دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Christopher Gatti (auth.)
سری: Springer Theses
ISBN (شابک) : 9783319121963, 9783319121970
ناشر: Springer International Publishing
سال نشر: 2015
تعداد صفحات: 196
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 مگابایت
کلمات کلیدی مربوط به کتاب طراحی آزمایش برای یادگیری تقویتی: هوش محاسباتی، طراحی منطقی، هوش مصنوعی (شامل رباتیک)
در صورت تبدیل فایل کتاب Design of Experiments for Reinforcement Learning به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب طراحی آزمایش برای یادگیری تقویتی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این پایان نامه یک رویکرد تجربی برای درک رفتار و تعاملات بین
دو مؤلفه اصلی یادگیری تقویتی دارد: الگوریتم یادگیری و نمایش
عملکردی دانش آموخته شده. نویسنده با استفاده از طراحی
آزمایشهایی که معمولاً برای مطالعه روشهای یادگیری ماشین
استفاده نمیشوند، به این نهادها نزدیک میشود. نتایج بیان شده
در این کار بینشی را در مورد اینکه چه چیزی بر اجرای موفقیت
آمیز یادگیری تقویتی تأثیر می گذارد و چه چیزی بر آن تأثیر می
گذارد، ارائه می دهد تا بتوان این روش یادگیری را برای مسائل
چالش برانگیزتر به کار برد.
This thesis takes an empirical approach to understanding of
the behavior and interactions between the two main components
of reinforcement learning: the learning algorithm and the
functional representation of learned knowledge. The author
approaches these entities using design of experiments not
commonly employed to study machine learning methods. The
results outlined in this work provide insight as to what
enables and what has an effect on successful reinforcement
learning implementations so that this learning method can be
applied to more challenging problems.
Front Matter....Pages i-xiii
Introduction....Pages 1-5
Reinforcement Learning....Pages 7-52
Design of Experiments....Pages 53-66
Methodology....Pages 67-93
The Mountain Car Problem....Pages 95-109
The Truck Backer-upper Problem....Pages 111-127
The Tandem Truck Backer-Upper Problem....Pages 129-139
Discussion....Pages 141-156
Back Matter....Pages 157-191