书目信息 |
| 题名： |
强化学习
|
|
| 作者： | 桑顿 ， 巴图 著 ；俞凯 译 | |
| 分册： | ||
| 出版信息： | 北京 电子工业出版社 2019.09 |
|
| 页数： | XXVIII, 519页 | |
| 开本： | 24cm | |
| 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 |
|
|
|
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 35排3列1层/ [索取号:TP181/S032] | 在馆 |