登入帳戶　 |　訂單查詢　 |　購物車/收銀台(0)　|　在線留言板　 |　付款方式　 |　運費計算　 |　聯絡我們　 |　幫助中心　|　 加入書簽
會員登入 新用戶登記
HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類瀏覽雜誌 臺灣用戶
品種：超過100萬種各類書籍/音像和精品，正品正價，放心網購，悭钱省心 服務：香港／台灣／澳門／海外 送貨：速遞／郵局／服務站

新書上架：簡體書 繁體書
暢銷書架：簡體書 繁體書
好書推介：簡體書 繁體書

十月出版：大陸書 台灣書
九月出版：大陸書 台灣書
八月出版：大陸書 台灣書
七月出版：大陸書 台灣書
六月出版：大陸書 台灣書
五月出版：大陸書 台灣書
四月出版：大陸書 台灣書
三月出版：大陸書 台灣書
二月出版：大陸書 台灣書
一月出版：大陸書 台灣書
12月出版：大陸書 台灣書
11月出版：大陸書 台灣書
十月出版：大陸書 台灣書
九月出版：大陸書 台灣書
八月出版：大陸書 台灣書

『簡體書』强化学习原理及其应用

書城自編碼： 2404596
分類：簡體書→大陸圖書→自然科學→总论
作者： 王雪松,朱美强,程玉虎
國際書號(ISBN)： 9787030406408
出版社： 科学出版社
出版日期： 2014-06-09
版次： 1
頁數/字數： 253/320000
書度/開本： 16开 釘裝： 平装

售價：HK$ 195.8

我要買 件

 

** 我創建的書架 **
未登入.

新書推薦：
从康德到黑格尔的发展：兼论宗教哲学（英国观念论名著译丛）
《 从康德到黑格尔的发展：兼论宗教哲学（英国观念论名著译丛） 》
售價：HK$ 60.5
突破不可能：用特工思维提升领导力
《 突破不可能：用特工思维提升领导力 》
售價：HK$ 77.3
王阳明大传：知行合一的心学智慧（精装典藏版）
《 王阳明大传：知行合一的心学智慧（精装典藏版） 》
售價：HK$ 221.8
失衡与重塑——百年变局下的中国与世界经济
《 失衡与重塑——百年变局下的中国与世界经济 》
售價：HK$ 132.2
不被定义的年龄：积极年龄观让我们更快乐、健康、长寿
《 不被定义的年龄：积极年龄观让我们更快乐、健康、长寿 》
售價：HK$ 77.3
南方谈话：邓小平在1992
《 南方谈话：邓小平在1992 》
售價：HK$ 80.6
纷纭万端 ： 近代中国的思想与社会
《 纷纭万端 ： 近代中国的思想与社会 》
售價：HK$ 109.8
中国古代文体形态研究（第四版）（中华当代学术著作辑要）
《 中国古代文体形态研究（第四版）（中华当代学术著作辑要） 》
售價：HK$ 168.0

 
建議一齊購買：

+

HK$ 84.1
《认知计算导论》		 +

HK$ 390.1
《机器学习：贝叶斯和优化方法（英文版）》		 +

HK$ 100.1
《认知计算与大数据分析》		 +

HK$ 59.7
《深度学习：方法及应用》		 +

HK$ 90.7
《大数据算法》
內容簡介：
书围绕着克服维数灾难，分别从值函数逼近、直接策略搜索和基于谱方法的学习3个方面来阐述强化学习理论、方法及其应用，《强化学习原理及其应用》是著者近5年来在国家自然科学基金、教育部"新世纪优秀人才支持计划"、江苏省自然科学基
目錄：
《智能科学技术著作丛书》序
序
前言
第1章 强化学习概述
　1.1 强化学习模型及其基本要素
　　1.1.1 强化学习模型
　　1.1.2 强化学习基本要素
　1.2 强化学习的发展历史
　　1.2.1 试错学习
　　1.2.2 动态规划与最优控制
　　1.2.3 时间差分学习
　1.3 强化学习研究概述
　　1.3.1 分层强化学习研究现状
　　1.3.2 近似强化学习研究现状
　　1.3.3 启发式回报函数设计研究现状
　　1.3.4 探索和利用平衡研究现状
　　1.3.5 基于谱图理论的强化学习研究现状
　1.4 强化学习方法的应用
　　1.4.1 自适应优化控制中的应用
　　1.4.2 调度管理中的应用
　　1.4.3 人工智能问题求解中的应用
　1.5 本书主要内容及安排
　　参考文献
第2章 强化学习基础理论
　2.1 马尔科夫决策过程概述
　　2.1.1 马尔科夫决策过程
　　2.1.2 策略和值函数t
　2.2 基于模型的动态规划方法
　　2.2.1 线性规划
　　2.2.2 策略迭代
　　2.2.3 值迭代
　　2.2.4 广义策略迭代
　2.3 模型未知的强化学习
　　2.3.1 强化学习基础
　　2.3.2 蒙特卡罗法
　　2.3.3 时间差分TD法
　　2.3.4 Q学习与SARSA学习
　　2.3.5 Dyna，学习框架
　　2.3.6 直接策略方法
　　2.3.7 Actor-Critic学习
　2.4 近似强化学习
　　2.4.1 带值函数逼近的TD学习
　　2.4.2 近似值迭代
　　2.4.3 近似策略迭代
　　2.4.4 最小二乘策略迭代
　2.5 本章小结
　　参考文献
第3章 基于支持向量机的强化学习
　3.1 支持向量机原理
　　3.1.1 机器学习
　　3.1.2 核学习
　　3.1.3 SVM的思想
　　3.1.4 SVM的重要概念
　3.2 基于半参数支持向量机的强化学习
　　3.2.1 基于半参数回归模型的Q学习结构
　　3.2.2 半参数回归模型的学习
　　3.2.3 仿真研究
　3.3 基于概率型支持向量机的强化学习
　　3.3.1 基于概率型支持向量机分类机的Q学习
　　3.3.2 概率型支持向量分类机
　　3.3.3 仿真研究
　3.4 本章小结
　　参考文献
第4章 基于状态一动作图测地高斯基的策略迭代强化学习
　4.1 强化学习中的基函数选择
　4.2 基于状态一动作图测地高斯基的策略迭代
　　4.2.1 MDP的状态一动作空间图
　　4.2.2 状态一动作图上测地高斯核
　　4.2.3 基于状态一动作图测地高斯基的动作值函数逼近
　4.3 算法步骤
　4.4 仿真研究
　4.5 本章小结
　　参考文献
第5章 基于抽象状态的贝叶斯强化学习电梯群组调度
　5.1 电梯群组调度强化学习模型
　5.2 基于抽象状态的贝叶斯强化学习电梯群组调度
　　5.2.1 吠态空间抽象
　　5.2.2 强化学习系统的回报函数
　　5.2.3 贝叶斯网推断
　　5.2.4 状态-动作值函数的神经网络逼近
　　5.2.5 动作选择策略
　5.3 仿真研究
　5.4 本章小结
　　参考文献
第6章 基于增量最小二乘时间差分的Actor-Critic学习
　6.1 策略梯度理论
　6.2 基于常规梯度的增量式Actor—Critic学习
　6.3 基于iLSTDA的Actor—Critic学习
　6.4 仿真研究
　6.5 本章小结
　　参考文献
第7章 融合经验数据的Actor.Critic强化学习
　7.1 增量式Actor—Critic学习算法的数据有效性改进
　　7.1.1 基于R15STDλ或iLSTDλ的增量式Actor-Critic学习
　　7.1.2 算法步骤
　　7.1.3 仿真研究
　7.2 基于自适应重要采样的Actor一Critic学习
　　7.2.1 基于最小二乘时间差分的Actor-critic强化学习
　　7.2.2 基于重要采样的估计
　　7.2.3 基于自适应重要采样的估计
　　7.2.4 算法步骤
　　7.2.5 仿真研究
　7.3 本章小结
　　参考文献
第8章 基于资格迹的折扣回报型增量自然Actor-Critic学习
　8.1 自然梯度
　8.2 自然策略梯度的估计方法
　　8.2.1 基于：Fisher-信息矩阵的自然策略梯度
　　8.2.2 基于兼容函数逼近器的自然策略梯度
　　8.2.3 自然策略梯度的仿真
　　8.2.4 自然策略梯度的特性
　8.3 基于资格迹的折扣回报型增量自然.Actor—Critic学习
　8.4 仿真研究
　8.5 本章小结
　　参考文献
第9章 基于参数探索的EM策略搜索
　9.1 策略搜索强化学习方法分析
　9.2 期望最大化策略搜索强化学习
　9.3 基于参数探索的EM策略搜索学习
　9.4 算法步骤
　9.5 仿真研究
　　9.5.1 小球平衡问题
　　9.5.2 倒立摆平衡问题
　9.6 本章小结
　　参考文献
第10章 基于谱图理论的强化学习基础
　10.1.谱图理论与谱图分割
　　10.1.1 谱图理论与谱方法
　　10.1.2 谱图分割和谱聚类
　10.2 基于谱图理论的流形和距离度量学习
　　10.2.1 流形学习概述
　　10.2.2 基于流形学习的度量学习
　10.3 基于拉普拉斯特征映射法的强化学习
　　10.3.1 拉普拉斯特征映射法基础
　　10.3.2 基于拉普拉斯特征映射的强化学习
　10.4 基于拉普拉斯特征映射的强化学习分析
　10.5 本章小结
　　参考文献
第11章 基于拉普拉斯特征映射的启发式策略选择
　11.1 探索和利用平衡问题概述
　11.2 启发式策略选择原理
　11.3 基于拉普拉斯特征映射的启发式策略选择
　　11.3.1 基本思想
　　11.3.2 基于拉普拉斯特征映射的启发式Q学习
　11.4 算法步骤、计算复杂度和适用范围
　　11.4.1 算法主要步骤
　　11.4.2 计算复杂度
　　11.4.3 适用范围
　11.5 仿真研究
　　11.5.1 5房间格子世界
　　11.5.2 对称4房间格子世界
　 1.6 本章小结
　　参考文献
第12章 基于拉普拉斯特征映射的Dyna规划
　12.1 强化学习在移动机器人自主导航中的应用研究概述
　12.2 强化学习在井下救援机器人导航中的应用研究
　12.3 基于拉普拉斯特征映射的DynaQ算法
　　12.3.1 Dyna_Q的基本思想
　　12.3.2 基于谱图理论的优先级机制
　　12.3.3 算法步骤
　　12.3.4 计算复杂度分析和适用范围
　12.4 仿真结果及分析
　　12.4.1 5房间格子地图
　　12.4.2 对称4房间格子地图
　　12.4.3 9房间格子地图
　12.5 本章小结
　　参考文献
第13章 基于谱方法的强化学习迁移研究
　13.1 基于谱图理论的强化学习迁移
　　13.1.1 强化学习迁移概述
　　13.1.2 基于谱图理论的强化学习迁移分析
　13.2 基于谱图理论的Option自动生成研究
　　13.2.1 Option原理
　　13.2.2 基于谱图分割的Option自动生成算法概述
　　13.2.3 虚拟值函数法
　13.3 基于谱图理论的强化学习混合迁移方法
　　13.3.1 基函数的线性插值
　　13.3.2 迁移基函数的逼近能力
　　13.3.3 基函数与子任务策略的混合迁移
　13.4 算法步骤和适用范围
　　13.4.1 算法步骤
　　13.4.2 适用范围
　13.5 仿真实验与分析
　　13.5.1 地图不变迁移
　　13.5.2 地图比例放大迁移
　　13.5.3 实验结果统计分析
　13.6 本章小结
参考文献
附录

 

 

書城介紹　 |　合作申請　|　索要書目　 |　新手入門　|　聯絡方式　 |　幫助中心　|　找書說明　 |　送貨方式　|　付款方式 香港用户　 |　台灣用户　|　大陸用户　|　海外用户
megBook.com.hk
Copyright © 2013 - 2024 （香港）大書城有限公司　 All Rights Reserved.