机读格式显示(MARC)

• 000 01363nam0 2200277 450

• 001 0000315445

• 005 20251028155200.0

• 010 __ |a 978-7-115-50532-3 |d CNY99.00

• 100 __ |a 20190526d2019 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 深度强化学习原理与实践 |A shen du qiang hua xue xi yuan li yu shi jian |d = Deep reinforcement learning: principles and practices |f 陈仲铭, 何明著 |z eng

• 210 __ |a 北京 |c 人民邮电出版社 |d 2019.05

• 215 __ |a 341页 |c 图 |d 24cm

• 314 __ |a 陈仲铭, 西安电子科技大学硕士, OPPO研究院人工智能算法研究员。何明, 重庆大学学士, 中国科学技术大学博士, 目前为上海交通大学电子科学与技术方向博士后研究员、OPPO研究院人工智能算法研究员。

• 320 __ |a 有书目 (第336-341页)

• 330 __ |a 本书将从数学和方法的角度分别阐述强化学习的内容。从数学基础讲起, 通过简单的环境模型来逐步展开强化学习的内容。每章至少会有一个案例来辅助读者深入理解相关的知识点, 涵盖目前的热点应用, 例如图像风格创造、图像检测、语音识别等。最后一章利用一个大型的深度案例 (AlphaGo围棋) 来总结全书内容, 达到活学活用的目的。

• 510 1_ |a Deep reinforcement learning: principles and practices |z eng

• 606 0_ |a 机器学习 |A ji qi xue xi |x 研究

• 690 __ |a TP181 |v 5

• 701 _0 |a 陈仲铭 |A chen zhong ming |4 著

• 701 _0 |a 何明 |A he ming |4 著

• 801 _0 |a CN |b 安徽时代 |c 20191031

• 905 __ |a AUSTL |d TP181/C984-2