机读格式显示(MARC)

• 000 02431nam 2200325 450

• 001 0000186428

• 005 20210502213300.0

• 010 __ |a 978-7-111-61288-9 |d CNY69.00

• 100 __ |a 20190103d2019 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a ak z 000yy

• 106 __ |a r

• 200 1_ |a Python强化学习实战 |A Pythonqiang hua xue xi shi zhan |e 应用OpenAI Gym和TensorFlow精通强化学习和深度强化学习 |f (印) 苏达桑·拉维尚迪兰著 |d = Hands-on reinforcement learning with python |e master reinforcement and deep reinforcement learning using openai gym and tensorflow |f Sudharsan Ravichandiran |g 连晓峰等译 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2019.1

• 215 __ |a xi, 203页 |c 图 |d 24cm

• 225 2_ |a 机器学习系列 |A ji qi xue xi xi lie

• 306 __ |a 本书由Packt Publishing Ltd授权机械工业出版社在中华人民共和国境内 (不包括香港、澳门特别行政区及台湾地区) 出版与发行

• 314 __ |a 苏达桑·拉维尚迪兰, 数据科学家、研究员、人工智能爱好者以及YouTuber。

• 330 __ |a 强化学习是一种重要的机器学习方法, 在智能体及分析预测等领域有许多应用。本书共13章, 主要包括强化学习的各种要素, 即智能体、环境、策略和模型以及相应平台和库; Anaconda、Docker、OpenAI Gym、Universe和TensorFlow等安装配置; 马尔可夫链和马尔可夫过程及其与强化学习问题建模之间的关系, 动态规划的基本概念; 蒙特卡罗方法以及不同类型的蒙特卡罗预测和控制方法; 时间差分学习、预测、离线/在线策略控制等; 多臂赌博机问题以及相关的各种探索策略方法; 深度学习的各种基本概念和RNN、LSTM、CNN等神经网络; 深度强化学习算法DQN, 以及双DQN和对抗网络体系结构等改进架构; DRQN以及DARQN; A3C网络的基本工作原理及架构; 策略梯度和优化问题; 最后介绍了强化学习的最新进展以及未来发展。

• 333 __ |a 从事强化学习以及深度学习研究和教学的相关人员

• 410 _0 |1 2001 |a 机器学习系列

• 500 10 |a Hands-on reinforcement learning with python : master reinforcement and deep reinforcement learning using openai gym and tensorflow |A Hands-on reinforcement learning with python : master reinforcement and deep reinforcement learning using openai gym and tensorflow |m Chinese

• 517 1_ |a 应用OpenAI Gym和TensorFlow精通强化学习和深度强化学习 |A ying yong OpenAI Gymhe TensorFlowjing tong qiang hua xue xi he shen du qiang hua xue xi

• 606 0_ |a 软件工具 |A ruan jian gong ju |x 程序设计

• 690 __ |a TP311.561 |v 5

• 701 _1 |a 拉维尚迪兰 |A la wei shang di lan |g (Ravichandiran, Sudharsan) |4 著

• 702 _0 |a 连晓峰 |A lian xiao feng |4 译

• 801 _0 |a CN |b 湖北三新 |c 20190103

• 905 __ |a GDPTC |d TP311.561/172