نرم افزار: سیستم ها: محاسبات علمی

یادگیری تقویتی: مقدمه

Reinforcement learning: an introduction

دانلود کتاب Reinforcement learning: an introduction (به فارسی: یادگیری تقویتی: مقدمه) نوشته شده توسط «Richard S. Sutton – Andrew G. Barto»

اطلاعات کتاب یادگیری تقویتی: مقدمه

موضوع اصلی: کامپیوتر – علوم کامپیوتر

نوع: کتاب الکترونیکی

ناشر: The MIT Press

نویسنده: Richard S. Sutton – Andrew G. Barto

زبان: english

فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)

سال انتشار: 1998

تعداد صفحه: 551

حجم فایل: 3.59 مگابایت

کد کتاب: 0262193981 , 9780262193986

توضیحات کتاب یادگیری تقویتی: مقدمه

یادگیری تقویتی، یکی از فعال ترین حوزه های تحقیقاتی در هوش مصنوعی، یک رویکرد محاسباتی برای یادگیری است که به موجب آن یک عامل تلاش می کند تا مقدار کل پاداشی را که در تعامل با یک محیط پیچیده و نامطمئن دریافت می کند، به حداکثر برساند. در یادگیری تقویتی، ریچارد ساتون و اندرو بارتو شرحی واضح و ساده از ایده‌ها و الگوریتم‌های کلیدی یادگیری تقویتی ارائه می‌کنند. بحث آنها از تاریخچه مبانی فکری این رشته تا آخرین پیشرفت ها و کاربردها را در بر می گیرد. تنها زمینه ریاضی لازم، آشنایی با مفاهیم ابتدایی احتمال است. این کتاب به سه بخش تقسیم شده است. بخش اول مسئله یادگیری تقویتی را بر اساس فرآیندهای تصمیم مارکوف تعریف می کند. بخش دوم روش های راه حل اساسی را ارائه می دهد: برنامه نویسی پویا، روش های مونت کارلو، و یادگیری تفاوت زمانی. بخش سوم دیدگاه واحدی از روش‌های راه‌حل ارائه می‌دهد و شبکه‌های عصبی مصنوعی، ردیابی‌های واجد شرایط بودن، و برنامه‌ریزی را در بر می‌گیرد. دو فصل پایانی مطالعات موردی را ارائه می‌کنند و آینده یادگیری تقویتی را در نظر می‌گیرند.

Reinforcement learning, one of the most active research areas in artificial intelligence, is a computational approach to learning whereby an agent tries to maximize the total amount of reward it receives when interacting with a complex, uncertain environment. In Reinforcement Learning , Richard Sutton and Andrew Barto provide a clear and simple account of the key ideas and algorithms of reinforcement learning. Their discussion ranges from the history of the field’s intellectual foundations to the most recent developments and applications. The only necessary mathematical background is familiarity with elementary concepts of probability. The book is divided into three parts. Part I defines the reinforcement learning problem in terms of Markov decision processes. Part II provides basic solution methods: dynamic programming, Monte Carlo methods, and temporal-difference learning. Part III presents a unified view of the solution methods and incorporates artificial neural networks, eligibility traces, and planning; the two final chapters present case studies and consider the future of reinforcement learning.

دانلود کتاب «یادگیری تقویتی: مقدمه»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.

📖 خرید این کتاب

برای دریافت فایل و اطلاع از قیمت، روی یکی از دکمه‌های زیر کلیک کنید تا پیام آماده برای شما ارسال شود:

پس از ارسال پیام، قیمت و لینک دریافت فایل در اسرع وقت برای شما ارسال خواهد شد.

برچسب ها

دیدگاهتان را بنویسید

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
کتابخانه دیجیتال بَلیان