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 Sample Efficient Multiagent Learning in the Presence of Markovian Agents

دانلود کتاب نمونه یادگیری چند کاره کارآمد در حضور نمایندگان مارکوویان

Sample Efficient Multiagent Learning in the Presence of Markovian Agents

مشخصات کتاب

Sample Efficient Multiagent Learning in the Presence of Markovian Agents

ویرایش: 2014 
نویسندگان:   
سری: Studies in Computational Intelligence 
ISBN (شابک) : 3319026054, 9783319026053 
ناشر: Springer 
سال نشر: 2013 
تعداد صفحات: 151 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 مگابایت 

قیمت کتاب (تومان) : 32,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 15


در صورت تبدیل فایل کتاب Sample Efficient Multiagent Learning in the Presence of Markovian Agents 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 نمونه یادگیری چند کاره کارآمد در حضور نمایندگان مارکوویان 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 نمونه یادگیری چند کاره کارآمد در حضور نمایندگان مارکوویان

مشکل یادگیری چند عاملی (یا MAL) مربوط به مطالعه این است که چگونه موجودیت‌های هوشمند می‌توانند در حضور چنین موجوداتی که به طور همزمان در حال تطبیق هستند یاد بگیرند و سازگار شوند. این مشکل اغلب در تنظیمات سبک ارائه شده توسط بازی‌های ماتریسی مکرر (معروف به بازی‌های معمولی) بررسی می‌شود. هدف این کتاب توسعه الگوریتم‌های MAL برای چنین تنظیماتی است که به مجموعه جدیدی از اهدافی دست می‌یابد که قبلاً محقق نشده‌اند. این کتاب به طور خاص به یادگیری در حضور یک کلاس جدید از رفتار عامل می پردازد که قبلاً در زمینه MAL مورد مطالعه یا مدل سازی قرار نگرفته است: رفتار عامل مارکووی. چندین چالش جدید هنگام تعامل با این دسته خاص از عوامل ایجاد می شود. این کتاب مجموعه‌ای از گام‌ها را در جهت ایجاد الگوریتم‌های یادگیری کاملاً مستقل برمی‌دارد که هنگام تعامل با چنین عواملی، سودمندی را به حداکثر می‌رسانند. هر الگوریتم به طور دقیق با یک درمان رسمی کامل مشخص می شود که ویژگی های نظری کلیدی آن را روشن می کند.


توضیحاتی درمورد کتاب به خارجی

The problem of Multiagent Learning (or MAL) is concerned with the study of how intelligent entities can learn and adapt in the presence of other such entities that are simultaneously adapting. The problem is often studied in the stylized settings provided by repeated matrix games (a.k.a. normal form games). The goal of this book is to develop MAL algorithms for such a setting that achieve a new set of objectives which have not been previously achieved. In particular this book deals with learning in the presence of a new class of agent behavior that has not been studied or modeled before in a MAL context: Markovian agent behavior. Several new challenges arise when interacting with this particular class of agents. The book takes a series of steps towards building completely autonomous learning algorithms that maximize utility while interacting with such agents. Each algorithm is meticulously specified with a thorough formal treatment that elucidates its key theoretical properties.



فهرست مطالب

Front Matter....Pages 1-12
Introduction....Pages 1-5
Background....Pages 7-17
Learn or Exploit in Adversary Induced Markov Decision Processes....Pages 19-28
Convergence, Targeted Optimality and Safety in Multiagent Learning....Pages 29-47
Maximizing Social Welfare in the Presence of Markovian Agents....Pages 49-71
Targeted Modeling of Markovian Agents....Pages 73-97
Structure Learning in Factored MDPs....Pages 99-111
Related Work....Pages 113-123
Conclusion and Future Work....Pages 125-129
Back Matter....Pages 131-146




نظرات کاربران