مشخصات کتاب

Learning in Embedded Systems

ویرایش: 0 
نویسندگان: Leslie Pack Kaelbling  
سری: Bradford Books 
ISBN (شابک) : 0262111748, 9780262111744 
ناشر: The MIT Press 
سال نشر: 1993 
تعداد صفحات: 183 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 8 مگابایت 

در صورت تبدیل فایل کتاب Learning in Embedded Systems 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 یادگیری در سیستم های جاسازی شده 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.

توضیحاتی در مورد کتاب یادگیری در سیستم های جاسازی شده

یادگیری اجرای استراتژی‌های اقدام پیچیده یک مشکل مهم در زمینه‌های هوش مصنوعی، روباتیک و یادگیری ماشین است. پر از نتایج تجربی جدید جالب، یادگیری در سیستم های جاسازی شده الگوریتم هایی را بررسی می کند که به طور موثر از تجربه آزمون و خطا با دنیای بیرونی یاد می گیرند. این اولین کاوش دقیق در مورد مشکل یادگیری استراتژی های اقدام در زمینه طراحی سیستم های تعبیه شده است که رفتار خود را با یک محیط پیچیده و متغیر تطبیق می دهند. چنین سیستم‌هایی شامل ربات‌های متحرک، کنترل‌کننده‌های فرآیند کارخانه، و پایگاه‌های داده نرم‌افزاری بلندمدت می‌شوند.

Kaebling شاخه‌ای از یادگیری ماشینی که به‌سرعت در حال گسترش است، معروف به یادگیری تقویتی، از جمله مشکلات مهم اکتشاف کنترل‌شده محیط، را بررسی می‌کند. یادگیری در محیط های بسیار پیچیده و یادگیری از پاداش های تاخیری. او کارهای گذشته در این زمینه را مرور می کند و تعدادی نتایج مهم جدید را ارائه می دهد. اینها عبارتند از الگوریتم فاصله تخمینی برای کاوش، استفاده از سوگیری ها برای کارآمدتر کردن یادگیری در محیط های پیچیده، الگوریتم تولید و آزمایش که پردازش نمادین و آماری را در یک روش یادگیری انعطاف پذیر ترکیب می کند، و برخی از اولین آزمایش های یادگیری تقویتی با یک ربات واقعی

توضیحاتی درمورد کتاب به خارجی

Learning to perform complex action strategies is an important problem in the fields of artificial intelligence, robotics, and machine learning. Filled with interesting new experimental results, Learning in Embedded Systems explores algorithms that learn efficiently from trial-and error experience with an external world. It is the first detailed exploration of the problem of learning action strategies in the context of designing embedded systems that adapt their behavior to a complex, changing environment; such systems include mobile robots, factory process controllers, and long-term software databases.

Kaelbling investigates a rapidly expanding branch of machine learning known as reinforcement learning, including the important problems of controlled exploration of the environment, learning in highly complex environments, and learning from delayed reward. She reviews past work in this area and presents a number of significant new results. These include the intervalestimation algorithm for exploration, the use of biases to make learning more efficient in complex environments, a generate-and-test algorithm that combines symbolic and statistical processing into a flexible learning method, and some of the first reinforcement-learning experiments with a real robot

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Cooking Basics For Dummies, 5th Edition by (2020)

دانلود کتاب Popular Appeal in English Drama to 1850

دانلود کتاب Matrix Groups: An Introduction to Lie Group Theory

دانلود کتاب Issues in political theory

دانلود کتاب Praktische Physik für Schulen und jüngere Studierende: I. Teil. Elektricität und Magnetismus