机读格式显示(MARC)

• 000 01736nam0 2200277 450

• 001 0000232401

• 005 20230721203600.0

• 010 __ |a 978-7-121-41959-1 |d CNY79.00

• 100 __ |a 20210924d2021 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a afk a 000yy

• 106 __ |a r

• 200 1_ |a 统计策略搜索强化学习方法及应用 |A tong ji ce lve sou suo qiang hua xue xi fang fa ji ying yong |f 赵婷婷著

• 210 __ |a 北京 |c 电子工业出版社 |d 2021.8

• 215 __ |a 164页, 10页图版 |c 图 (部分彩图) |d 24cm

• 312 __ |a 英文并列题名取自封面

• 320 __ |a 有书目

• 330 __ |a 智能体AlphaGo战胜人类围棋专家刷新了人类对人工智能的认识, 也使得其核心技术强化学习受到学术界的广泛关注。本书正是在如此背景下, 围绕作者多年从事强化学习理论及应用的研究内容及国内外关于强化学习的最近动态等方面展开介绍, 是为数不多的强化学习领域的专业著作。该著作侧重于基于直接策略搜索的强化学习方法, 结合了统计学习的诸多方法对相关技术及方法进行分析、改进及应用。本书以一个全新的现代角度描述策略搜索强化学习算法。从不同的强化学习场景出发, 讲述了强化学习在实际应用中所面临的诸多难题。针对不同场景, 给定具体的策略搜索算法, 分析算法中估计量和学习参数的统计特性, 并对算法进行应用实例展示及定量比较。特别地, 本书结合强化学习前沿技术将策略搜索算法应用到机器人控制及数字艺术渲染领域, 给人以耳目一新的感觉。最后根据作者长期研究经验, 对强化学习的发展趋势进行了简要介绍和总结。本书取材经典、全面, 概念清楚, 推导严密, 以期形成一个集基础理论、算法和应用为一体的完备知识体系。

• 333 __ |a 计算机相关专业人员

• 510 1_ |a Statistical policy search algorithms and applications in reinforcement learning |z eng

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 赵婷婷 |A zhao ting ting |4 著

• 801 _0 |a CN |b 湖北三新 |c 20210924

• 905 __ |a GDPTC |d TP181/223