決策用強化與系統性機器學習
(印度)巴拉格·庫爾卡尼(Parag Kulkarni)著 李寧 等譯
- 出版商: 機械工業
- 出版日期: 2015-07-01
- 定價: $474
- 售價: 7.5 折 $356
- 語言: 簡體中文
- ISBN: 7111502418
- ISBN-13: 9787111502418
-
相關分類:
Reinforcement
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
王者歸來-用 Linux 移植各種硬體$620$527 -
Multidimensional Signal, Image, and Video Processing and Coding, 2/e (Hardcover)$1,380$1,352 -
Practical Image and Video Processing Using MATLAB (Hardcover)$6,460$6,137 -
Permanent Magnet Brushless DC Motor Drives and Controls (Hardcover)$8,660$8,227 -
Microprogrammed State Machine Design (Hardcover)$9,640$9,158 -
跟著範例學會 Visual C# 2015 (適用2015/2013)$420$328 -
$1,960Reinforcement Learning: With Open AI, TensorFlow and Keras Using Python -
7天學會 Android App 程式開發$450$351 -
3D Shape Analysis: Fundamentals, Theory, and Applications$3,980$3,781 -
$301機器學習入門到實戰 — MATLAB 實踐應用 -
Excel VBA 實戰技巧|金融數據 x 網路爬蟲$620$527 -
$1,260Building Machine Learning and Deep Learning Models on Google Cloud Platform: A Comprehensive Guide for Beginners -
$1,260Applied Reinforcement Learning with Python: With Openai Gym, Tensorflow, and Keras -
$505白話強化學習與 PyTorch -
動手做深度強化學習 (Deep Reinforcement Learning Hands-On)$690$538 -
最新圖解馬達入門$300$255 -
超圖解 Arduino 互動設計入門, 4/e$680$578 -
工業4.0 的物聯網智慧工廠應用與實作:使用 Arduino.Node-RED.MySQL.Node.js$500$199 -
FPGA 數字圖像採集與處理 — 從理論知識、模擬驗證到板級調試的實例精講$414$393 -
CPU 設計實戰$594$564 -
$454OpenCV 4.5 電腦視覺開發實戰 (基於 VC++) -
機器學習與振動信號處理$354$336 -
NLP 大神 RNN 網路:Python 原始程式碼手把手帶你寫$890$703 -
$560數字圖像處理與機器視覺 — Visual C++ 與 Matlab 實現, 2/e -
天線理論與工程設計$294$279
商品描述
機器學習是人工智能領域中一個極其重要的研究方向。強化學習是機器學習中的一個重要分支。作為解決序貫優化決策的有效方法,強化學習有效地應用於計算科學、自動控制、機器人技術等各個領域。
當前,強化學習的核心任務是提高學習效率,本書就是針對此問題展開的。第1章介紹系統概念和增強機器學習,它建立了一個突出的相同的機器學習系統範例;第2章將更多關註機器學習的基本原理和多視角學習;第3章關於強化學習;第4章處理機器學習系統和模型建立的問題;決策推理等重要的部分將在第5章展開;第6章討論了自適應機器學習;第7章討論了多視角和全局系統性機器學習;第8章討論了增量學習的需要和知識表示;第9章處理了知識增長方面的問題;第10章討論了學習系統的建立。
本書適合於機器學習、自動化技術、人工智能等方面的相關專業教師與研究生閱讀,也可供自然科學和工程領域相關研究人員參考。
當前,強化學習的核心任務是提高學習效率,本書就是針對此問題展開的。第1章介紹系統概念和增強機器學習,它建立了一個突出的相同的機器學習系統範例;第2章將更多關註機器學習的基本原理和多視角學習;第3章關於強化學習;第4章處理機器學習系統和模型建立的問題;決策推理等重要的部分將在第5章展開;第6章討論了自適應機器學習;第7章討論了多視角和全局系統性機器學習;第8章討論了增量學習的需要和知識表示;第9章處理了知識增長方面的問題;第10章討論了學習系統的建立。
本書適合於機器學習、自動化技術、人工智能等方面的相關專業教師與研究生閱讀,也可供自然科學和工程領域相關研究人員參考。
