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. Aufl.]
نویسندگان: Uwe Lorenz
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
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.
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.
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