強化學習與深度學習:通過 C語言模擬
- 出版商: 機械工業
- 出版日期: 2019-07-01
- 定價: $354
- 售價: 8.5 折 $301
- 語言: 簡體中文
- 頁數: 159
- 裝訂: 平裝
- ISBN: 7111627180
- ISBN-13: 9787111627180
-
相關分類:
Reinforcement
立即出貨 (庫存 < 3)
買這商品的人也買了...
-
C 語言教學手冊, 4/e$620$490 -
$301嵌入式 Linux 與物聯網軟件開發 : C語言內核深度解析 -
TensorFlow + Keras 深度學習人工智慧實務應用$590$460 -
$354Microsoft Azure 機器學習和預測分析 -
$294自然語言處理與深度學習:通過 C語言模擬 -
笨辦法學 C語言 (Learn C the Hard Way: Practical Exercises on the Computational Subjects You Keep Avoiding)$414$393 -
人工智能基礎 (高中版)$210$200 -
基礎數學, 2/e$380$342 -
世界第一簡單機器學習$320$272 -
$768C語言非常道 -
Deep learning 深度學習必讀 - Keras 大神帶你用 Python 實作 (Deep Learning with Python)$1,000$790 -
C++ Primer, 5/e (繁體中文版)$990$782 -
最專業的語音辨識全書:使用深度學習實作$680$537 -
深度學習 (Deep Learning)(繁體中文版)$1,200$1,020 -
動手做深度強化學習 (Deep Reinforcement Learning Hands-On)$690$538 -
機器學習的數學基礎 : AI、深度學習打底必讀$580$458 -
特徵工程不再難:資料科學新手也能輕鬆搞定! (Feature Engineering Made Easy: Identify unique features from your dataset in order to build powerful machine learning systems)$520$406 -
$556程序員的AI書:從代碼開始 -
機器學習|特徵工程 (Feature Engineering for Machine Learning)$520$411 -
深度學習的數學:用數學開啟深度學習的大門$500$425 -
量子電腦程式設計 (Programming Quantum Computers: Essential Algorithms and Code Samples)$680$537 -
深度學習的數學地圖 -- 用 Python 實作神經網路的數學模型 (附數學快查學習地圖)$580$458 -
強化式學習:打造最強 AlphaZero 通用演算法$780$663 -
$559嵌入式 C語言自我修養 — 從芯片、編譯器到操作系統 -
新一代 AI 霸主:深度強化學習從基礎開始到專案開發$980$774
商品描述
《強化學習與深度學習:通過C語言模擬》以深度學習和強化學習作為切入點,
通過原理解析、算法步驟說明、代碼實現、代碼運行調試,
對強化學習、深度學習以及深度強化學習進行了介紹和說明。
本書共4章。
第1章介紹了人工智能、機器學習、深度學習、強化學習的基本概念。
第2章以Q學習為例,重點介紹了強化學習的原理、算法步驟、代碼實現、代碼運行調試。
第3章先對深度學習的幾種常見的類型和原理進行介紹,然後給出了例程和調試方法。
第4章以Q學習中運用神經網絡為例,介紹了深度強化學習的基本原理和方法,同時也給出了例程和調試方法。
目錄大綱
目 錄
譯者序
原書前言
第1章強化學習和深度學習
1.1 機器學習和強化學習
1.1.1 人工智能
1.1.2 機器學習
1.1.3 強化學習
1.2 深度學習
1.2.1 神經網絡
1.2.2 深度學習的出現
1.3 深度強化學習
1.3.1 深度強化學習概述
1.3.2 深度強化學習的實現
1.3.3 基本機器學習的搭建實例———例題程序的執行方法
第2章強化學習的實例
2.1 強化學習和Q學習
2.1.1 強化學習的基本思想
2.1.2 Q學習的算法
2.2 Q學習實例
2.2.1 q21.c編程實例
2.2.2 目標探尋問題的學習程序
第3章深度學習技術
3.1 實現深度學習的技術
3.1.1 神經細胞的活動和階層型 神經網絡
3.1.2 階層型神經網絡的學習
3.1.3 階層型神經網絡的編程實 例(1):單個神經細胞的學習程序nn1.c
3.1.4 階層型神經網絡的編程實 例(2):基於誤差逆傳播法的神經網絡學習程序nn2.c
3.1.5 階層型神經網絡的編程實 例(3):具有多個輸出的神經網絡學習程序nn3.c
3.2 基於捲積神經網絡的學習
3.2.1 捲積神經網絡的算法
3.2.2 捲積神經網絡的編程實例
第4章深度強化學習
4.1 基於強化學習和深度學習融合的深度強化學習 1
4.1.1 在Q學習中應用神經網絡
4.1.2 Q學習與神經網絡的融合
4.2 深度強化學習的編程實例
4.2.1 岔路選擇問題的深度強化學 習程序q21dl.c
4.2.2 目標探尋問題的深度強化學 習程序q22dl.c
參考文獻
