本书以深度学习和强化学习作为切入点，通过原理解析、算法步骤说明、代码实现、代码运行调试，对强化学习、深度学习以及深度强化学习进行了介绍和说明。本书共4章。第1章介绍了人工智能、机器学习、深度学习、强化学习的基本概念。第2章以Q学习为例，重点介绍了强化学习的原理、算法步骤、代码实现、代码运行调试。第3章先对深度学习的几种常见的类型和原理进行介绍，然后给出了例程和调试方法。第4章以Q学习中运用神经网络为例，介绍了深度强化学习的基本原理和方法，同时也给出了例程和调试方法。
本书适合想要获得深度学习进阶知识、强化学习技术及其应用实践的学生、从业者，特别是立志从事AI相关行业的人士阅读参考。

译者序
原书前言
第1章 强化学习和深度学习
1.1 机器学习和强化学习
1.1.1 人工智能
1.1.2 机器学习
1.1.3 强化学习
1.2 深度学习
1.2.1 神经网络
1.2.2 深度学习的出现
1.3 深度强化学习
1.3.1 深度强化学习概述
1.3.2 深度强化学习的实现
1.3.3 基本机器学习系统的搭建实例———例题程序的执行方法
第2章 强化学习的实例
2.1 强化学习和Q学习
2.1.1 强化学习的基本思想
2.1.2 Q学习的算法
2.2 Q学习实例
2.2.1 q21.c编程实例
2.2.2 目标探寻问题的学习程序
第3章 深度学习技术
3.1 实现深度学习的技术
3.1.1 神经细胞的活动和阶层型神经网络
3.1.2 阶层型神经网络的学习
3.1.3 阶层型神经网络的编程实例（1）:单个神经细胞的学习程序nn1.c
3.1.4 阶层型神经网络的编程实例（2）:基于误差逆传播法的神经网络学习程序nn2.c
3.1.5 阶层型神经网络的编程实例（3）:具有多个输出的神经网络学习程序nn3.c
3.2 基于卷积神经网络的学习
3.2.1 卷积神经网络的算法
3.2.2 卷积神经网络的编程实例
第4章 深度强化学习
4.1 基于强化学习和深度学习融合的深度强化学习
4.1.1 在Q学习中应用神经网络
4.1.2 Q学习与神经网络的融合
4.2 深度强化学习的编程实例
4.2.1 岔路选择问题的深度强化学习程序q21dl.c
4.2.2 目标探寻问题的深度强化学习程序q22dl.c
参考文献