深度强化学习读书介绍
| 类别 | 页数 | 译者 | 网友评分 | 年代 | 出版社 |
|---|---|---|---|---|---|
| 书籍 | 380页 | 2019 |
| 定价 | 出版日期 | 最近访问 | 访问指数 |
|---|---|---|---|
| 2019-04-01 … | 2020-03-15 … | 17 |
本书构建了一个完整的深度强化学习理论和实践体系：从马尔科夫决策过程开始，根据价值函数、策略函数求解贝尔曼方程，到利用深度学习模拟价值网络和策略网络。书中详细介绍了深度强化学习相关最新算法，如Rainbow、APE-X算法等，并阐述了相关算法的具体实现方式和代表性应用（如AlphaGo）。此外，本书还深度剖析了强化学习各算法之间的联系，有助于读者举一反三。
本书分为4个部分：初探强化学习、求解强化学习、求解强化学习进阶和深度强化学习。涉及基础理论到深度强化学习算法框架的各方面内容，反映了深度强化学习领域过去的发展历程和最新的研究进展，有助于读者发现该领域中新的研究问题和方向。
本书适用于计算机视觉、计算机自然语言的相关从业人员，以及对人工智能、机器学习和深度学习感兴趣的人员，还可作为高等院校计算机等相关专业本科生及研究生的参考用书。
作者简介陈仲铭：西安电子科技大学硕士。主要研究方向为强化学习与深度学习、数据挖掘、图像算法及其应用。曾参与激光点云三维扫描、个性化推荐系统、多传感器融合系统等大型项目，期间多次获国家级创新项目奖，并在国内外发表多篇相关论文。此外，作为技术顾问为 多家科研和企业机构提供关于数学建模、深度学习等咨询和培训。著有《深度学习原理与实践》一书。
何明：重庆大学学士，中国科学技术大学博士，曾于美国北卡夏洛特分校访学交流，目前为上海交通大学电子科学与技术方向博士后研究人员、OPPO研究院人工智能算法研究员。主要研究方向为深度强化学习、数据挖掘与知识发现、机器学习方法及其应用，侧重于移动端用户行为分析与建模。在TIP、TWEB、DASFAA、IEEE Access等重要学术会议和期刊共发表论文10余篇，并获得过数据挖掘领域国际会议KSEM2018的最佳论文奖。
剧情呢，免费看分享剧情、挑选影视作品、精选好书简介分享。