登入
｜
註冊
｜
會員中心
｜
結帳
｜
培訓課程
魔法弟子
｜
自資出版
｜
電子書
｜
客服中心
｜
智慧型立体會員
書名
出版社
作者
isbn
編號
5050魔法眾籌
|
NG書城
|
國際級品牌課程
|
優惠通知
|
霹靂英雄音樂精選
|
資料探勘理論與應用**：以IBM SPSS Modeler為範例(附CD)
此作者無相關書籍
文學小說
文學
｜
小說
商管創投
財經投資
｜
行銷企管
人文藝坊
宗教、哲學
社會、人文、史地
藝術、美學
｜
電影戲劇
勵志養生
醫療、保健
料理、生活百科
教育、心理、勵志
進修學習
電腦與網路
｜
語言工具
雜誌、期刊
｜
軍政、法律
參考、考試、教科用書
科學工程
科學、自然
｜
工業、工程
家庭親子
家庭、親子、人際
青少年、童書
玩樂天地
旅遊、地圖
｜
休閒娛樂
漫畫、插圖
｜
限制級
Reinforcement Learning中文版：強化學習深度解析
作者：
Richard S. Sutton, Andrew G. Barto
譯者：
許士文、卓信宏
分類：
電腦與網路
／
資料庫
出版社：
碁峰
出版日期：2021/4/27
ISBN：9789865027193
書籍編號：kk0531276
頁數：592
定價：
1200
元
優惠價：
82
折
984
元
書價若有異動，以出版社實際定價為準
訂購後立即為您進貨
訂購後立即為您進貨：目前無庫存量,讀者下訂後,開始進入調書程序,一般天數約為2-10工作日(不含例假日)。
團購數最低為 20 本以上
評價數：
(請將滑鼠移至星星處進行評價)
目前平均評價：
文字連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0531276'>Reinforcement Learning中文版：強化學習深度解析</a>
圖片連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0531276'><img src='https://www.silkbook.com/mall_image/bk/kk0531276.jpg' ALT='Reinforcement Learning中文版：強化學習深度解析' height='120' width='90'></a>
分
享
內容簡介
書籍目錄
同類推薦
Reinforcement Learning中文版：強化學習深度解析 內容簡介 針對強化學習的關鍵概念和演算法，提供清晰而簡單的說明 什麼是強化學習 強化學習是學習該做什麼（如何將當前情形映射到動作上），以便最大化一個獎勵訊號數值。學習者不會被告知要採取哪些動作，而是必須透過嘗試來發現哪些動作會產生最大的回報。在最有趣和最具挑戰性的案例中，動作不僅會影響當下的獎勵，同時也會影響下一個情境，並且影響後續所有的獎勵。試誤搜尋和延遲獎勵這兩個特性，是強化學習中的兩個最重要的區別特徵。 本書精采內容包括： ．涵蓋所有強化學習演算法的核心概念 ．解決有限馬可夫決策問題的三種基本方法 ．近似最佳策略進行控制的方式 ．介紹並分析資格痕跡演算法的機制 ．強化學習與心理學和神經科學之間的關係 ．強化學習的相關應用與未來強化學習研究中一些正在進行的前瞻技術 專家推薦 ＂這本書是強化學習的聖經，鑑於該領域的蓬勃發展，新版特別及時。不管是學生、研究人員、從業人是，只要對強化學習感興趣的人，都應該收藏一本。＂ -Pedro Domingos, 華盛頓大學教授、《大演算》作者 ＂所有研究強化學習的學者，都曾受到本書第一版的啟發，第二版保證讓大家更滿意。新版的內容大幅增加，新版涵蓋的內容更深更廣，而且依然保留解說簡單直接的特色。＂ -Csaba Szepesvari, 阿爾伯塔大學教授、DeepMind研究科學家 ＂我推薦這本書給所有想要認識機器學習的人。第二版涵蓋了當今最關鍵的演算法與理論，以實際的應用來解說概念，範圍從控制機器人到如何打敗世界頂尖的棋手，並從心理學與神經科學的角度探討演算法與人類學習之間的基本關連。＂ -Tom Mitchell, 卡內基梅隆大學教授 ＂強化學習領域的經典之作，強化學習是現代人工智慧的發展基礎。這是一本想要認真研究AI科技的人必讀的書。＂ - Demis Hassabis, DeepMind聯合創始人兼CEO ＂第二版的問世恰逢其時，如果您想了解強化學習這個領域，本書是最好的起點。我肯定會將這本書推薦給我的學生以及其他想要了解強化學習的研究人員＂ -- Yoshua Bengio, 《深度學習》作者、蒙特婁大學教授
目錄 第二版前言 第一版前言 符號摘要 第1章 導論 Part I 表格式解決方法 第2章 多搖臂式拉霸機 第3章 有限馬可夫決策過程 第4章 動態規劃 第5章 蒙地卡羅方法 第6章 時序差分學習 第7章 n 步自助法 第8章 表格式方法的規劃和學習 Part II 近似解決方法 第9章 on-policy 預測的近似方法 第10章 on-policy 控制的近似方法 第11章 *off-policy 的近似方法 第12章 資格痕跡 第13章 策略梯度方法 Part III 深入觀察 第14章 心理學 第15章 神經科學 第16章 應用和案例研究 第17章 前瞻技術 參考資料與文獻
資料科學學習手冊｜P
Statistica
Neo4j技術手冊｜
Excel × Ta
從試算表到資料平台：
你的第一本Git與G
商用大數據分析(第二
Notion X A
dbt 與 Anal
7天學會大數據資料處
為了保障您的權益，新絲路網路書店所購買的商品均享有到貨七天的鑑賞期（含例假日）。退回之商品必須於鑑賞期內寄回（以郵戳或收執聯為憑），且商品必須是全新狀態與完整包裝(商品、附件、內外包裝、隨貨文件、贈品等)，否則恕不接受退貨。
