机读格式显示(MARC)

• 000 02265cam 2200325 450

• 001 0000303059

• 005 20190924164900.0

• 010 __ |a 978-7-111-61288-9 |d CNY69.00

• 099 __ |a CAL 012019025138

• 100 __ |a 20190313d2019 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a a z 000yy

• 106 __ |a r

• 200 1_ |a Python强化学习实战 |A Python Qiang Hua Xue Xi Shi Zhan |e 应用OpenAI Gym和TensorFlow精通强化学习和深度强化学习 |f (印) 苏达桑·拉维尚迪兰著 |d = Hands-on reinforcement learning with Python |e master reinforcement and deep reinforcement learning using OpenAI Gym and Tensorflow |f Sudharsan Ravichandiran |g 连晓峰等译 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2019

• 215 __ |a XI, 203页 |c 图 |d 24cm

• 225 2_ |a 机器学习系列 |A Ji Qi Xue Xi Xi Lie

• 306 __ |a 由Packt Publishing Ltd授权出版

• 330 __ |a 强化学习是一种重要的机器学习方法，在智能体及分析预测等领域有许多应用。本书共13章，主要包括强化学习的各种要素，即智能体、环境、策略和模型以及相应平台和库；Anaconda、Docker、OpenAI Gym、Universe和TensorFlow等安装配置；马尔可夫链和马尔可夫过程及其与强化学习问题建模之间的关系，动态规划的基本概念；蒙特卡罗方法以及不同类型的蒙特卡罗预测和控制方法；时间差分学习、预测、离线/在线策略控制等；多臂赌博机问题以及相关的各种探索策略方法；深度学习的各种基本概念和RNN、LSTM、CNN等神经网络；深度强化学习算法DQN，以及双DQN和对抗网络体系结构等改进架构；DRQN以及DARQN；A3C网络的基本工作原理及架构；策略梯度和优化问题；最后介绍了强化学习的最新进展以及未来发展。

• 410 _0 |1 2001 |a 机器学习系列

• 500 10 |a Hands-on reinforcement learning with Python : master reinforcement and deep reinforcement learning using OpenAI Gym and Tensorflow |A Hands-on Reinforcement Learning With Python : Master Reinforcement And Deep Reinforcement Learning Using Openai Gym And Tensorflow |m Chinese

• 517 1_ |a 应用OpenAI Gym和TensorFlow精通强化学习和深度强化学习 |A Ying Yong Openai Gym He Tensorflow Jing Tong Qiang Hua Xue Xi He Shen Du Qiang Hua Xue Xi

• 606 0_ |a 软件工具 |A Ruan Jian Gong Ju |x 程序设计

• 690 __ |a TP311.561 |v 5

• 701 _1 |a 拉维尚迪兰 |A La Wei Shang Di Lan |g (Ravichandiran, Sudharsan) |4 著

• 702 _0 |a 连晓峰 |A Lian Xiao Feng |4 译

• 801 _0 |a CN |b SEU |c 20190313

• 801 _2 |a CN |b PUL |c 20190422

• 905 __ |a AUSTL |d TP311.561/L862