Deep Reinforcement Learning / Sewak, Mohit  

Público ISBD Ningún comentario para este registro. Título : Deep Reinforcement Learning : Frontiers of Artificial Intelligence Tipo de documento: documento electrónico Autores: Sewak, Mohit, Mención de edición: 1 ed. Editorial: Singapore [Malasia] : Springer Fecha de publicación: 2019 Número de páginas: XVII, 203 p. 106 ilustraciones, 98 ilustraciones en color. ISBN/ISSN/DL: 978-981-1382857-- Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Programación de computadoras  Inteligencia artificial  Algoritmos  Criptografía  Cifrado de datos (Informática)  Técnicas de programación  Criptología Clasificación: 005.11 Resumen: Este libro comienza presentando los conceptos básicos del aprendizaje por refuerzo utilizando ejemplos y aplicaciones altamente intuitivos y fáciles de entender, y luego presenta los avances de investigación de vanguardia que hacen que el aprendizaje por refuerzo sea capaz de superar en rendimiento a la mayoría de los sistemas más modernos. incluso humanos en una serie de aplicaciones. El libro no solo brinda a los lectores una comprensión de múltiples algoritmos avanzados e innovadores, sino que también los prepara para implementar sistemas como los creados por Google Deep Mind en código real. Este libro está dirigido a lectores que quieran comprender y aplicar conceptos avanzados en un campo que combina lo mejor de dos mundos (aprendizaje profundo y aprendizaje por refuerzo) para aprovechar el potencial de la "inteligencia artificial avanzada" para crear aplicaciones y juegos del mundo real. -Algoritmos ganadores. Nota de contenido: Introduction to Reinforcement Learning -- Mathematical and Algorithmic understanding of Reinforcement Learning -- Coding the Environment and MDP Solution -- Temporal Difference Learning, SARSA, and Q Learning -- Q Learning in Code -- Introduction to Deep Learning -- Implementation Resources -- Deep Q Network (DQN), Double DQN and Dueling DQN -- Double DQN in Code -- Policy-Based Reinforcement Learning Approaches -- Actor-Critic Models & the A3C -- A3C in Code -- Deterministic Policy Gradient and the DDPG -- DDPG in Code. Tipo de medio : Computadora Summary : This book starts by presenting the basics of reinforcement learning using highly intuitive and easy-to-understand examples and applications, and then introduces the cutting-edge research advances that make reinforcement learning capable of out-performing most state-of-art systems, and even humans in a number of applications. The book not only equips readers with an understanding of multiple advanced and innovative algorithms, but also prepares them to implement systems such as those created by Google Deep Mind in actual code. This book is intended for readers who want to both understand and apply advanced concepts in a field that combines the best of two worlds – deep learning and reinforcement learning – to tap the potential of 'advanced artificial intelligence' for creating real-world applications and game-winning algorithms. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Deep Reinforcement Learning : Frontiers of Artificial Intelligence [documento electrónico] / Sewak, Mohit,  . -  1 ed.  . - Singapore [Malasia] : Springer, 2019 . - XVII, 203 p. 106 ilustraciones, 98 ilustraciones en color. ISBN : 978-981-1382857-- Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Programación de computadoras  Inteligencia artificial  Algoritmos  Criptografía  Cifrado de datos (Informática)  Técnicas de programación  Criptología Clasificación: 005.11 Resumen: Este libro comienza presentando los conceptos básicos del aprendizaje por refuerzo utilizando ejemplos y aplicaciones altamente intuitivos y fáciles de entender, y luego presenta los avances de investigación de vanguardia que hacen que el aprendizaje por refuerzo sea capaz de superar en rendimiento a la mayoría de los sistemas más modernos. incluso humanos en una serie de aplicaciones. El libro no solo brinda a los lectores una comprensión de múltiples algoritmos avanzados e innovadores, sino que también los prepara para implementar sistemas como los creados por Google Deep Mind en código real. Este libro está dirigido a lectores que quieran comprender y aplicar conceptos avanzados en un campo que combina lo mejor de dos mundos (aprendizaje profundo y aprendizaje por refuerzo) para aprovechar el potencial de la "inteligencia artificial avanzada" para crear aplicaciones y juegos del mundo real. -Algoritmos ganadores. Nota de contenido: Introduction to Reinforcement Learning -- Mathematical and Algorithmic understanding of Reinforcement Learning -- Coding the Environment and MDP Solution -- Temporal Difference Learning, SARSA, and Q Learning -- Q Learning in Code -- Introduction to Deep Learning -- Implementation Resources -- Deep Q Network (DQN), Double DQN and Dueling DQN -- Double DQN in Code -- Policy-Based Reinforcement Learning Approaches -- Actor-Critic Models & the A3C -- A3C in Code -- Deterministic Policy Gradient and the DDPG -- DDPG in Code. Tipo de medio : Computadora Summary : This book starts by presenting the basics of reinforcement learning using highly intuitive and easy-to-understand examples and applications, and then introduces the cutting-edge research advances that make reinforcement learning capable of out-performing most state-of-art systems, and even humans in a number of applications. The book not only equips readers with an understanding of multiple advanced and innovative algorithms, but also prepares them to implement systems such as those created by Google Deep Mind in actual code. This book is intended for readers who want to both understand and apply advanced concepts in a field that combines the best of two worlds – deep learning and reinforcement learning – to tap the potential of 'advanced artificial intelligence' for creating real-world applications and game-winning algorithms. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200