扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
强化学习算法入门 版权信息
- ISBN：9787522617619
- 条形码：9787522617619 ; 978-7-5226-1761-9
- 装帧：平装-胶订
- 册数：暂无
- 重量：暂无
- 所属分类：>
强化学习算法入门 本书特色
本书读者对象：大中专院校计算机、人工智能相关专业学生，对机器学习、强化学习算法感兴趣的程序员。
● 本书从初高中学生都熟悉的“平均值计算”的角度出发，简单易懂地解释复杂的强化学习原理。
● 使用常见的例子（多臂老虎机问题和网格世界问题）对各种算法进行比较，使它们的特点更易理解。
● 对于强化学习的核心算法，提供了Python 3和MATLAB两种类型的代码。执行代码，可直观理解“原理 → 公式 → 程序”这一系列流程。
强化学习算法入门 内容简介
作为**个战胜围棋世界冠军的人工智能机器人AlphaGo，我们知道其主要工作原理是深度学习。随着AlphaGo Zero和Alpha Zero的相继发布，作为机器学习经典算法之一的强化学习，在人工智能领域受到了更多的关注。
《强化学习算法入门》使用通俗易懂的语言，按照“原理-公式-程序”的方式，对强化学习的基础知识进行了详细讲解。书中先让大家从熟悉的“平均值计算”作为切入点，学习强化学习的基本概念，然后结合实例学习了函数近似方法、深度强化学习的原理和方法等，比较了各算法的特点和应用，并用Python和MATLAB两种语言进行了编程实现。
《强化学习算法入门》内容丰富，实践性强，特别适合高校人工智能相关专业学生，机器学习、深度学习工程师等学习强化学习算法。
强化学习算法入门 目录
第1章基于“平均”的强化学习的基本概念
1.0简介
1.1平均值与期望值
1.1.1平均值
1.1.2期望值
1.1.3期望值与平均值的关系
1.2平均值和价值
总结
1.3平均值和马尔可夫性
1.3.1平均值的计算公式及其变形
1.3.2逐次平均值表达和MP
1.4用平均值推导贝尔曼方程
1.4.1平均值表达和价值函数的引入
1.4.2决策型贝尔曼方程式的推导
1.4.3概率型贝尔曼方程式的推导
……
展开全部
强化学习算法入门 作者简介
[日] 曾我部东马
理学博士(物理学专业)。曾任马克斯·普朗克研究所（德国）博士研究员、剑桥大学（英国）研究员。2009年回到日本，参与创立了Grid公司，担任董事兼首席技术官。2011年起先后担任东京大学尖端科学技术研究中心特聘助理教授、特聘副教授。2016年3月起任电气通信大学副教授，同时兼任Grid公司首席技术顾问、东京大学尖端科学技术研究中心客座研究员至今。
他以开发具有“深度学习—深度强化学习—回归预测—优化”功能的跨功能机器学习框架∞ReNom而闻名，目前在开发以量子机器学习为代表的最先进量子算法∞ReNomQ的同时，还致力于使用深度强化学习的“在线优化问题”的研究。
书友推荐
本类畅销
-
”互联网+“时代计算机算法的应用及其实践研究
¥19.9¥59 -
微服务设计
¥52.8¥69 -
图说深度学习:用可视化方法理解复杂概念
¥109¥188 -
计算机基础
¥17.2¥31 -
改变未来的九大算法
¥50¥68 -
生成式AI入门与AWS实战
¥77.8¥99.8
浏览历史
唐人绝句启蒙
¥13.7¥36.0
