دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Reinforcement learning: an introduction
دانلود کتاب یادگیری تقویتی: مقدمه
مشخصات کتاب
Reinforcement learning: an introduction
ویرایش: نویسندگان: Sutton R.S., Barto A.G. سری: Adaptive Computation and Machine Learning ISBN (شابک) : 0262193981 ناشر: MIT سال نشر: 1998 تعداد صفحات: 331 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 1 مگابایت
قیمت کتاب (تومان) : 48,000
در صورت تبدیل فایل کتاب Reinforcement learning: an introduction 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: مقدمه 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: مقدمه
یادگیری تقویتی، یکی از فعال ترین حوزه های تحقیقاتی در هوش مصنوعی، یک رویکرد محاسباتی برای یادگیری است که به موجب آن یک عامل تلاش می کند تا مجموع پاداشی را که هنگام تعامل با یک محیط پیچیده و نامطمئن دریافت می کند، به حداکثر برساند. در یادگیری تقویتی، ریچارد ساتون و اندرو بارتو شرحی واضح و ساده از ایده ها و الگوریتم های کلیدی یادگیری تقویتی ارائه می دهند. بحث آنها از تاریخچه مبانی فکری این رشته تا آخرین پیشرفت ها و کاربردها را در بر می گیرد. تنها پیش زمینه ریاضی لازم، آشنایی با مفاهیم ابتدایی احتمال است.
کتاب در سه قسمت تنظیم شده است. بخش اول مسئله یادگیری تقویتی را بر اساس فرآیندهای تصمیم مارکوف تعریف می کند. بخش دوم روش های راه حل اساسی را ارائه می دهد: برنامه نویسی پویا، روش های مونت کارلو، و یادگیری تفاوت زمانی. بخش سوم دیدگاه واحدی از روش‌های راه‌حل ارائه می‌کند و شبکه‌های عصبی مصنوعی، ردیابی واجد شرایط بودن، و برنامه‌ریزی را در بر می‌گیرد. دو فصل پایانی مطالعات موردی را ارائه می‌کنند و آینده یادگیری تقویتی را در نظر می‌گیرند.
توضیحاتی درمورد کتاب به خارجی
Reinforcement learning, one of the most active research areas in artificial intelligence, is a computational approach to learning whereby an agent tries to maximize the total amount of reward it receives when interacting with a complex, uncertain environment. In Reinforcement Learning, Richard Sutton and Andrew Barto provide a clear and simple account of the key ideas and algorithms of reinforcement learning. Their discussion ranges from the history of the field's intellectual foundations to the most recent developments and applications. The only necessary mathematical background is familiarity with elementary concepts of probability.
The book is divided into three parts. Part I defines the reinforcement learning problem in terms of Markov decision processes. Part II provides basic solution methods: dynamic programming, Monte Carlo methods, and temporal-difference learning. Part III presents a unified view of the solution methods and incorporates artificial neural networks, eligibility traces, and planning; the two final chapters present case studies and consider the future of reinforcement learning.
نظرات کاربران
کتاب های تصادفی
دانلود کتاب The Geography of Phytochemical Races
دانلود کتاب A-3 Skywarrior Units of the Vietnam War
دانلود کتاب Oracle GoldenGate 12c Implementer's Guide
دانلود کتاب The Compact Reader : Short Essays by Method and Theme 11th Edition
