机读格式显示(MARC)

• 000 01881nam 2200337 450

• 001 0001032090

• 005 20220920095200.0

• 010 __ |a 978-7-302-53829-5 |d CNY99.00

• 100 __ |a 20200512d2020 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a afk a 000yy

• 106 __ |a r

• 200 1_ |a 强化学习 |A jiang hua xue xi |d = Reinforcement learning |f 邹伟, 鬲玲, 刘昱杓著 |z eng

• 210 __ |a 北京 |c 清华大学出版社 |d 2020.6

• 215 __ |a 17, 380页, 8页图版 |c 图 (部分彩图) |d 24cm

• 225 2_ |a 人工智能科学与技术丛书 |A ren gong zhi neng ke xue yu ji shu cong shu

• 314 __ |a 邹伟, 博士, 睿客邦创始人, 研究方向为机器学习、数据挖掘、计算几何, 致力于机器学习和深度学习在实际中的应用。鬲玲, 硕士, 资深研发工程师, 研究方向为知识工程、语义检索、强化学习、自然语言处理。刘昱杓, 深度学习、强化学习研发工程师, 研究方向为计算机视觉。有多年深度学习视觉方向开发经验, 参与了多个图像识别、目标检测、目标追踪等领域的落地项目, 目前专注于深度强化学习方向的研究。

• 320 __ |a 有书目 (第379-380页)

• 330 __ |a 本书全面系统地描述了强化学习的起源、背景和分类, 各类强化学习算法的原理、实现方式以及各算法间的关系, 为读者构建了一个完整的强化学习知识体系; 同时包含丰富的经典案例, 如各类迷宫寻宝、飞翔小鸟、扑克牌、小车爬山、倒立摆、钟摆、多臂赌博机、五子棋、AlphaGo、AlphaGo Zero、 AlphaZero等, 通过给出它们对应的详细案例说明和代码描述, 让读者深度理解各类强化学习算法的精髓。

• 333 __ |a 本书可作为高等院校人工智能、计算机、自动化、电子信息等相关专业的本科生或研究生教材, 也可供对强化学习感兴趣的研究人员和工程技术人员阅读参考

• 410 _0 |1 2001 |a 人工智能科学与技术丛书

• 510 1_ |a Reinforcement learning |z eng

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 邹伟 |A zhou wei |4 著

• 701 _0 |a 鬲玲 |A ge ling |4 著

• 701 _0 |a 刘昱杓 |A liu yu biao |4 著

• 801 _0 |a CN |b 上海新华 |c 20200512

• 801 _2 |a CN |b Wuxilib |c 20220920

• 905 __ |a Wuxilib |d TP181/233