强化学习算法入门
正版全新,绝无盗版,可开具图书发票
¥
39.4
5.6折
¥
69.8
全新
库存4件
作者曾我部东马
出版社水利水电出版社
出版时间2024-01
版次1
装帧其他
上书时间2024-07-24
商品详情
- 品相描述:全新
图书标准信息
-
作者
曾我部东马
-
出版社
水利水电出版社
-
出版时间
2024-01
-
版次
1
-
ISBN
9787522617619
-
定价
69.80元
-
装帧
其他
-
开本
32开
-
纸张
胶版纸
-
页数
175页
-
字数
203.000千字
- 【内容简介】
-
作为第一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。
- 【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。
- 【目录】
-
章基于“均”的强化学的基本概念
1.0简介
1.1均值与期望值
1.1.1均值
1.1.2期望值
1.1.3期望值与均值的关系
1.2均值和价值
结
1.3均值和马尔可夫
1.3.1均值的计算公式及其变形
1.3.2逐次均值表达和mp
1.4用均值推导贝尔曼方程
1.4.1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
……
点击展开
点击收起
— 没有更多了 —
以下为对购买帮助不大的评价