決策用強化與系統性機器學習
(印度)巴拉格·庫爾卡尼(Parag Kulkarni)著 李寧 等譯
- 出版商: 機械工業
- 出版日期: 2015-07-01
- 定價: $474
- 售價: 7.5 折 $356
- 語言: 簡體中文
- ISBN: 7111502418
- ISBN-13: 9787111502418
-
相關分類:
Machine Learning
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
$620$527 -
$1,380$1,352 -
$5,830$5,539 -
$7,470$7,097 -
$7,500$7,125 -
$420$328 -
$1,960Reinforcement Learning: With Open AI, TensorFlow and Keras Using Python
-
$450$351 -
$3,7813D Shape Analysis: Fundamentals, Theory, and Applications
-
$280機器學習入門到實戰 — MATLAB 實踐應用
-
$620$490 -
$1,260Building Machine Learning and Deep Learning Models on Google Cloud Platform: A Comprehensive Guide for Beginners
-
$1,260Applied Reinforcement Learning with Python: With Openai Gym, Tensorflow, and Keras
-
$505白話強化學習與 PyTorch
-
$690$345 -
$300$255 -
$680$578 -
$500$390 -
$414$393 -
$564CPU 設計實戰
-
$454OpenCV 4.5 電腦視覺開發實戰 (基於 VC++)
-
$336機器學習與振動信號處理
-
$890$703 -
$560數字圖像處理與機器視覺 — Visual C++ 與 Matlab 實現, 2/e
-
$294$279
初夏簡體電腦展2書75折 詳見活動內容 »
-
79折
$284一本書玩轉 DeepSeek -
VIP 95折
$774$735 -
79折
$379AI全能助手 人人都能玩轉DeepSeek -
$834射頻微電子學 (原書第二版)
-
VIP 95折
$359$341 -
VIP 95折
$419$398 -
79折
$378DeepSeek 極速上手 : 高效做事不內耗 -
85折
$250DeepSeek 應用能手 : 7天從入門到精通 -
VIP 95折
$359$341 -
VIP 95折
$659$626 -
VIP 95折
$599$569 -
VIP 95折
$359$341 -
VIP 95折
$324$308 -
VIP 95折
$299$284 -
VIP 95折
$419$398 -
85折
$305DeepSeek公文寫作一本通 -
85折
$152AI 導航式提問法 : 用好 DeepSeek 與元寶的高效提問手冊 -
85折
$403DeepSeek全場景應用 -
85折
$45424小時精通 AI Agent (快速定製你的智能體) -
79折
$378Joy RL:強化學習實踐教程 -
85折
$357大模型應用開發極簡入門(基於DeepSeek雙色版) -
VIP 95折
$774$735 -
VIP 95折
$594$564 -
VIP 95折
$588$559 -
VIP 95折
$534$507
相關主題
商品描述
機器學習是人工智能領域中一個極其重要的研究方向。強化學習是機器學習中的一個重要分支。作為解決序貫優化決策的有效方法,強化學習有效地應用於計算科學、自動控制、機器人技術等各個領域。
當前,強化學習的核心任務是提高學習效率,本書就是針對此問題展開的。第1章介紹系統概念和增強機器學習,它建立了一個突出的相同的機器學習系統範例;第2章將更多關註機器學習的基本原理和多視角學習;第3章關於強化學習;第4章處理機器學習系統和模型建立的問題;決策推理等重要的部分將在第5章展開;第6章討論了自適應機器學習;第7章討論了多視角和全局系統性機器學習;第8章討論了增量學習的需要和知識表示;第9章處理了知識增長方面的問題;第10章討論了學習系統的建立。
本書適合於機器學習、自動化技術、人工智能等方面的相關專業教師與研究生閱讀,也可供自然科學和工程領域相關研究人員參考。
當前,強化學習的核心任務是提高學習效率,本書就是針對此問題展開的。第1章介紹系統概念和增強機器學習,它建立了一個突出的相同的機器學習系統範例;第2章將更多關註機器學習的基本原理和多視角學習;第3章關於強化學習;第4章處理機器學習系統和模型建立的問題;決策推理等重要的部分將在第5章展開;第6章討論了自適應機器學習;第7章討論了多視角和全局系統性機器學習;第8章討論了增量學習的需要和知識表示;第9章處理了知識增長方面的問題;第10章討論了學習系統的建立。
本書適合於機器學習、自動化技術、人工智能等方面的相關專業教師與研究生閱讀,也可供自然科學和工程領域相關研究人員參考。