机读格式显示(MARC)

• 000 01630nam 2200361 450

• 001 0000940452

• 005 20200414131700.0

• 010 __ |a 978-7-121-29516-4 |d CNY168.00

• 100 __ |a 20191016d2019 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 强化学习 |A qiang hua xue xi |d = Reinforcement learning an introduction |f (加) Richard S. Sutton, (美) Andrew G. Barto著 |g 俞凯等译 |z eng

• 210 __ |a 北京 |c 电子工业出版社 |d 2019

• 215 __ |a XXVIII, 519页 |c 图 |d 24cm

• 225 2_ |a 智源人工智能丛书 |A zhi yuan ren gong zhi neng cong shu

• 305 __ |a 根据原书第2版译出

• 306 __ |a 本书简体中文专有翻译出版权由博达著作权代理有限公司Bardon Chinese Media Agency代理The MIT Press授权电子工业出版

• 314 __ |a 责任者Sutton规范汉译姓: 桑顿, 责任者Barto规范汉译姓: 巴图

• 320 __ |a 有书目 (第473-519页)

• 330 __ |a 本书对强化学习中涉及的主要原理及算法做了详细的阐述，并对该领域的发展历程以及最新的实践做了总结。全书分为三部分，第一部分阐述了在马尔科夫决策过程中的强化学习问题；第二部分提供了基本的解决方法；第三部分对已有解决方法做了总结，并结合神经网络做了说明；最后两章是强化学习的实例以及展望。

• 333 __ |a 本书适合对强化学习感兴趣的人员。

• 410 _0 |1 2001 |a 智源人工智能丛书

• 500 10 |a Reinforcement learning an introduction |m Chinese

• 606 0_ |a 机器学习 |A ji qi xue xi |x 算法 |x 研究

• 690 __ |a TP181 |v 5

• 701 _1 |a 桑顿 |A sang dun |g (Sutton，Richard S.) |4 著

• 701 _1 |a 巴图 |A ba tu |g (Barto，Andrew G.) |4 著

• 702 _0 |a 俞凯 |A yu kai |4 译

• 801 _0 |a CN |b 江苏新华 |c 20191008

• 801 _2 |a CN |b Wuxilib |c 20200414

• 905 __ |a Wuxilib |d TP181/94