机读格式显示(MARC)

• 000 01879nam0 2200301 450

• 001 0000116102

• 005 20230305104000.0

• 010 __ |a 978-7-121-41188-5 |d CNY129.00

• 100 __ |a 20210623d2021 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a a z 000yy

• 106 __ |a r

• 200 1_ |a 深度强化学习 |A Shen Du Qiang Hua Xue Xi |e 基础、研究与应用 |d Deep reinforcement learning: fundamentals, research and applications |f 董豪,丁子涵,仉尚航等著 |z eng

• 210 __ |a 北京 |c 电子工业出版社 |d 2021

• 215 __ |a XXIXX,489页 |c 图 |d 24cm

• 300 __ |a 博文视点

• 314 __ |a 董豪,北京大学计算机系前沿计算研究中心助理教授、深圳鹏城实验室双聘成员。于2019年秋获得英国帝国理工学院博士学位。研究方向主要涉及计算机视觉和生成模型,目的是降低学习智能系统所需要的数据。

• 330 __ |a 深度强化学习结合深度学习与强化学习算法各自的优势解决复杂的决策任务。得益于 DeepMind AlphaGo 和 OpenAI Five 成功的案例,深度强化学习受到大量的关注,相关技术广泛应用于不同的领域。本书分为三大部分,覆盖深度强化学习的全部内容。第一部分介绍深度学习和强化学习的入门知识、一些非常基础的深度强化学习算法及其实现细节,包括第 1~6 章。第二部分是一些精选的深度强化学习研究题目,这些内容对准备开展深度强化学习研究的读者非常有用,包括第 7~12 章。第三部分提供了丰富的应用案例,包括 AlphaZero、让机器人学习跑步等,包括第 13~17 章。本书是为计算机科学专业背景、希望从零开始学习深度强化学习并开展研究课题和实践项目的学生准备的。本书也适合没有很强的机器学习背景、但是希望快速学习深度强化学习并将其应用到具体产品中的软件工程师阅读。

• 510 1_ |a Deep reinforcement learning: fundamentals, research and applications |z eng

• 517 1_ |a 基础、研究与应用 |9 ji chu、 yan jiu yu ying yong

• 606 0_ |a 机器学习 |A Ji Qi Xue Xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 董豪 |A Dong Hao |4 著

• 701 _0 |a 丁子涵 |A Zheng Zi Han |4 著

• 701 _0 |a 仉尚航 |A Zhang Shang Hang |4 著

• 801 _0 |a CN |b 池州新华 |c 20230301

• 905 __ |a CZGZ |d TP181/15