书目信息 |
题名: |
强化学习
|
|
作者: | 肖智清 著 | |
分册: | ||
出版信息: | 北京 机械工业出版社 2019.08 |
|
页数: | 239页 | |
开本: | 24cm | |
丛书名: | 智能系统与技术丛书 | |
单 册: | ||
中图分类: | TP311.561 | |
科图分类: | ||
主题词: | 软件工具--ruan jian gong ju--程序设计 | |
电子资源: | ||
ISBN: | 978-7-111-63177-4 |
000 | 01456nam 2200277 450 | |
001 | 2071622288 | |
005 | 20201104195406.92 | |
010 | @a978-7-111-63177-4@dCNY89.00 | |
100 | @a20190819d2019 em y0chiy50 ea | |
101 | 0 | @achi |
102 | @aCN@b110000 | |
105 | @aak z 000yy | |
200 | 1 | @a强化学习@Aqiang hua xue xi@e原理与Python实现@d= Reinforcement learning@etheory and python implementation@f肖智清著@zeng |
210 | @a北京@c机械工业出版社@d2019.08 | |
215 | @a239页@c图@d24cm | |
225 | 2 | @a智能系统与技术丛书@Azhi neng xi tong yu ji shu cong shu |
314 | @a肖智清, 强化学习一线研发人员, 清华大学工学博士。 | |
330 | @a本书内容: 第1章, 介绍强化学习的基础知识与环境库Gym的使用, 并给出一个完整的编程实例。第2-9章, 介绍强化学习的理论和算法。采用严谨的数学语言, 推导强化学习的基本理论, 进而在理论的基础上讲解算法, 并为算法提供配套的Python实现。算法的讲解和Python实现逐一对应, 覆盖了所有主流的强化学习算法。第10-12章: 介绍多个综合案例, 包括电动游戏、棋盘游戏和自动驾驶。环境部分涵盖Gym库的完整安装和自定义扩展, 也包括Gym库以外的环境。算法部分涵盖了在《自然》《科学》等权威期刊上发表的多个深度强化学习明星算法。 | |
410 | 0 | @12001 @a智能系统与技术丛书 |
510 | 1 | @aReinforcement learning@zeng |
517 | 1 | @a原理与Python实现@Ayuan li yu Python shi xian |
606 | 0 | @a软件工具@Aruan jian gong ju@x程序设计 |
690 | @aTP311.561@v5 | |
701 | 0 | @a肖智清@Axiao zhi qing@4著 |
801 | 0 | @aCN@b人天书店@c20201005 |
905 | @aZUCC@dTP311.561@eX296 | |
强化学习:原理与Python实现= Reinforcement learning:theory and python implementation/肖智清著.-北京:机械工业出版社,2019.08 |
239页:图;24cm.-(智能系统与技术丛书) |
ISBN 978-7-111-63177-4:CNY89.00 |
本书内容: 第1章, 介绍强化学习的基础知识与环境库Gym的使用, 并给出一个完整的编程实例。第2-9章, 介绍强化学习的理论和算法。采用严谨的数学语言, 推导强化学习的基本理论, 进而在理论的基础上讲解算法, 并为算法提供配套的Python实现。算法的讲解和Python实现逐一对应, 覆盖了所有主流的强化学习算法。第10-12章: 介绍多个综合案例, 包括电动游戏、棋盘游戏和自动驾驶。环境部分涵盖Gym库的完整安装和自定义扩展, 也包括Gym库以外的环境。算法部分涵盖了在《自然》《科学》等权威期刊上发表的多个深度强化学习明星算法。 |
● |
相关链接 |
![]() |
![]() |
![]() |
正题名:强化学习
索取号:TP311.561/X296
 
预约/预借
序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
1 | 1477934 | 214779346 | 自科库301/301自科库 51排5列1层/ [索取号:TP311.561/X296] | 在馆 | |
2 | 1477935 | 214779355 | 自科库301/301自科库 51排5列1层/ [索取号:TP311.561/X296] | 在馆 |