机读格式显示(MARC)
- 010 __ |a 978-7-111-72478-0 |d CNY109.00
- 100 __ |a 20230613d2023 em y0chiy50 ea
- 200 1_ |a 强化学习 |A qiang hua xue xi |e 前沿算法与应用 |d = Reinforcement learning |e frontier algorithms and applications |f 白辰甲 ... [等] 编著 |z eng
- 210 __ |a 北京 |c 机械工业出版社 |d 2023
- 215 __ |a xiv, 288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
- 304 __ |a 题名页题: 白辰甲, 赵英男, 郝建业, 刘鹏, 王震编著
- 314 __ |a 白辰甲, 上海人工智能实验室青年研究员, 博士毕业于哈尔滨工业大学计算学部, 曾在加拿大多伦多大学联合培养, 2022年获哈工大优秀博士论文奖。在高水平国际会议和期刊上发表论文20余篇,获评机器学习顶会ICML 2021、ICLR 2022、NeurlPS 2022亮点论文。研究方向包括强化学习、博弈智能和具身智能。赵英男, 哈尔滨工业大学计算学部博士, 曾在加拿大阿尔伯塔大学联合培养, 主要研究方向为深度强化学习、表征学习等, 在国际会议和期刊上发表多篇学术论文。郝建业, 天津大学智能与计算学部副教授, 获哈尔滨工业大学学士学位, 香港中文大学博士学位, 曾任MIT计算机科学与人工智能实验室博士后研究员。研究方向为深度强化学习和多智能体系统。
- 330 __ |a 本书介绍了强化学习在算法层面的快速发展, 包括值函数、策略梯度、值分布建模等基础算法, 以及为了提升样本效率产生的基于模型学习、探索与利用、多目标学习、层次化学习、技能学习等算法, 以及一些新兴领域, 包括离线学习、表示学习、元学习等, 旨在提升数据高效性和策略的泛化能力的算法, 还介绍了应用领域中强化学习在智能控制、机器视觉、语言处理、医疗、推荐、金融等方面的相关知识。
- 410 _0 |1 2001 |a 人工智能科学与技术丛书
- 510 1_ |a Reinforcement learning |e frontier algorithms and applications |z eng
- 517 1_ |a 前沿算法与应用 |A qian yan suan fa yu ying yong
- 606 0_ |a 机器学习 |A ji qi xue xi
- 701 _0 |a 白辰甲 |A bai chen jia |4 编著
- 701 _0 |a 赵英男 |A zhao ying nan |4 编著
- 701 _0 |a 郝建业 |A hao jian ye |4 编著
- 801 _0 |a CN |b 湖北三新 |c 20230613
- 905 __ |a AUSTL |d TP181/B221