书目信息

书名： 强化学习 
作者： 桑顿 ， 巴图 著 ；俞凯 译
出版信息： 北京   电子工业出版社  2019.09
开本页数： 24cm  XXVIII, 519页
丛书名： 智源人工智能丛书
单 册：
中图分类： TP181
科图分类：
主题词： 机器学习--ji qi xue xi--算法--研究
电子资源：
ISBN： 978-7-121-29516-4
000 01505nam 2200325 450
001 CAL 0120192849543
010    @a978-7-121-29516-4@dCNY168.00
100    @a20190924d2019 em y0chiy50 ea
101 1  @achi@ceng
102    @aCN@b110000
105    @aa a 000yy
106    @ar
200 1  @a强化学习@Aqiang hua xue xi@d= Reinforcement learning@f(加) Richard S. Sutton, (美) Andrew G. Barto著@F( jia ) Richard S. Sutton, ( mei ) Andrew G. Barto zhu@g俞凯等译@zeng
210    @a北京@c电子工业出版社@d2019.09
215    @aXXVIII, 519页@c图@d24cm
225 2  @a智源人工智能丛书@Azhi yuan ren gong zhi neng cong shu
305    @a据原书第2版译出
314    @aRichard S. Sutton, DeepMind公司的杰出科学家。Andrew G. Barto, 马萨诸塞大学阿默斯特分校信息与计算机科学学院名誉教授。
320    @a有书目 (第473-519页)
330    @a本书对强化学习中涉及的主要原理及算法做了详细的阐述, 并对该领域的发展历程以及最新的实践做了总结。全书分为三部分, 第一部分阐述了在马尔科夫决策过程中的强化学习问题 ; 第二部分提供了基本的解决方法 ; 第三部分对已有解决方法做了总结, 并结合神经网络做了说明 ; 最后两章是强化学习的实例以及展望。
410  0 @12001 @a智源人工智能丛书
500 10 @aReinforcement learning@mChinese
586    @a
606 0  @a机器学习@Aji qi xue xi@x算法@x研究
690    @aTP181@v5
701  1 @a桑顿@Asang dun@g(Sutton, Richard S.)@4著
701  1 @a巴图@Aba tu@g(Barto, Andrew G.)@4著
702  0 @a俞凯@Ayu kai@4译
801  0 @aCN@c20190924
905    @a河南城建学院图书馆@dTP181@eS032@f1
    
    强化学习= Reinforcement learning/(加) Richard S. Sutton, (美) Andrew G. Barto著/俞凯等译.-北京：电子工业出版社，2019.09
    XXVIII, 519页：图；24cm.-(智源人工智能丛书)
    
    
    ISBN 978-7-121-29516-4：CNY168.00
    本书对强化学习中涉及的主要原理及算法做了详细的阐述, 并对该领域的发展历程以及最新的实践做了总结。全书分为三部分, 第一部分阐述了在马尔科夫决策过程中的强化学习问题 ; 第二部分提供了基本的解决方法 ; 第三部分对已有解决方法做了总结, 并结合神经网络做了说明 ; 最后两章是强化学习的实例以及展望。
●
相关链接
在五车中查询图书 在当当中查询图书 在豆瓣中查询图书


正题名：强化学习     索取号：TP181/S032         预约/预借

序号 登录号 条形码 馆藏地/架位号 状态 备注
1 1414956   214149562   自科库301/301自科库 39排1列4层/ [索取号:TP181/S032] 在馆