ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Reinforcement Learning: Aktuelle Ansätze verstehen - mit Beispielen in Java und Greenfoot

دانلود کتاب یادگیری تقویتی: درک رویکردهای فعلی - با مثال هایی در جاوا و گرین فوت

Reinforcement Learning: Aktuelle Ansätze verstehen - mit Beispielen in Java und Greenfoot

مشخصات کتاب

Reinforcement Learning: Aktuelle Ansätze verstehen - mit Beispielen in Java und Greenfoot

ویرایش: [1. Aufl.] 
نویسندگان:   
سری:  
ISBN (شابک) : 9783662616505, 9783662616512 
ناشر: Springer Berlin Heidelberg;Springer Vieweg 
سال نشر: 2020 
تعداد صفحات: XVIII, 170
[184] 
زبان: German 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 9 Mb 

قیمت کتاب (تومان) : 42,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 2


در صورت تبدیل فایل کتاب Reinforcement Learning: Aktuelle Ansätze verstehen - mit Beispielen in Java und Greenfoot 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 تقویتی: درک رویکردهای فعلی - با مثال هایی در جاوا و گرین فوت 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 تقویتی: درک رویکردهای فعلی - با مثال هایی در جاوا و گرین فوت



توضیحاتی درمورد کتاب به خارجی

In uralten Spielen wie Schach oder Go können sich die brillantesten Spieler verbessern, indem sie die von einer Maschine produzierten Strategien studieren. Robotische Systeme üben ihre Bewegungen selbst. In Arcade Games erreichen lernfähige Agenten innerhalb weniger Stunden übermenschliches Niveau. Wie funktionieren diese spektakulären Algorithmen des bestärkenden Lernens? Mit gut verständlichen Erklärungen und übersichtlichen Beispielen in Java und Greenfoot können Sie sich die Prinzipien des bestärkenden Lernens aneignen und in eigenen intelligenten Agenten anwenden. Greenfoot (M.Kölling, King’s College London) und das Hamster-Modell (D.Bohles, Universität Oldenburg) sind einfache aber auch mächtige didaktische Werkzeuge, die entwickelt wurden, um Grundkonzepte der Programmierung zu vermitteln. Wir werden Figuren wie den Java-Hamster zu lernfähigen Agenten machen, die eigenständig ihre Umgebung erkunden.



فهرست مطالب

Front Matter ....Pages I-XVIII
Bestärkendes Lernen als Teilgebiet des Maschinellen Lernens (Uwe Lorenz)....Pages 1-11
Grundbegriffe des Bestärkenden Lernens (Uwe Lorenz)....Pages 13-20
Optimal entscheiden in einer bekannten Umwelt (Uwe Lorenz)....Pages 21-49
Entscheiden und Lernen in einer unbekannten Umwelt (Uwe Lorenz)....Pages 51-116
Schätzer für Zustandsbewertung und Aktionsauswahl (Uwe Lorenz)....Pages 117-160
Leitbilder in der Künstlichen Intelligenz (Uwe Lorenz)....Pages 161-170




نظرات کاربران