دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Multi-Agent Machine Learning: A Reinforcement Approach
دانلود کتاب یادگیری ماشین چند عاملی: یک رویکرد تقویتی
مشخصات کتاب
Multi-Agent Machine Learning: A Reinforcement Approach
ویرایش: 1
نویسندگان: H. M. Schwartz
سری:
ISBN (شابک) : 111836208X, 9781118362082
ناشر: Wiley
سال نشر: 2014
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 13 مگابایت
قیمت کتاب (تومان) : 40,000
در صورت تبدیل فایل کتاب Multi-Agent Machine Learning: A Reinforcement Approach 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 ماشین چند عاملی: یک رویکرد 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.
توضیحاتی در مورد کتاب یادگیری ماشین چند عاملی: یک رویکرد تقویتی
یادگیری ماشین چند عاملی: رویکرد یادگیری تقویتی چارچوبی برای درک روش ها و رویکردهای مختلف در یادگیری ماشین چند عاملی است. همچنین پوشش منسجمی از آخرین پیشرفت‌ها در بازی‌های دیفرانسیل چند عامله ارائه می‌کند و کاربردهایی را در تئوری بازی‌ها و روباتیک ارائه می‌کند. • چارچوبی برای درک انواع روش ها و رویکردها در یادگیری ماشین چند عاملی. • روش های یادگیری تقویتی مانند تعدادی از اشکال یادگیری Q چند عاملی را مورد بحث قرار می دهد. • قابل استفاده برای اساتید محقق و دانشجویان فارغ التحصیل در حال تحصیل در رشته های مهندسی برق و کامپیوتر، علوم کامپیوتر، و مهندسی مکانیک و هوافضا
توضیحاتی درمورد کتاب به خارجی
Multi-Agent Machine Learning: A Reinforcement Learning Approach is a framework to understanding different methods and approaches in multi-agent machine learning. It also provides cohesive coverage of the latest advances in multi-agent differential games and presents applications in game theory and robotics. • Framework for understanding a variety of methods and approaches in multi-agent machine learning. • Discusses methods of reinforcement learning such as a number of forms of multi-agent Q-learning • Applicable to research professors and graduate students studying electrical and computer engineering, computer science, and mechanical and aerospace engineering
