潍坊科技学院图书馆书目检索系统

Online Public Access Catalogue

题名/责任者:

深度强化学习/(荷) 阿斯克·普拉特著 殷海英译

出版发行项:

北京:清华大学出版社,2024

ISBN及定价:

978-7-302-65979-2/CNY79.80

载体形态项:

254页:图;24cm

统一题名:

Deep reinforcement learning

个人责任者:

普拉特 (Plaat, Aske) 著

个人次要责任者:

殷海英 译

学科主题:

机器学习

中图法分类号:

TP181

一般附注:

Springer

相关题名附注:

原文题名取自版权页

责任者附注:

阿斯克·普拉特 (Aske Plaat), 是荷兰莱顿大学的数据科学教授, 兼任莱顿高级计算机科学研究所 (LIACS) 主任。Aske是莱顿数据科学中心 (LCDS) 的联合创始人, 发起了跨学科研究项目“社会、人工智能与生命科学”(SAILS)。Aske的研究领域包括强化学习、可扩展的组合推理算法、游戏和自学习系统。

提要文摘附注:

近年来, 深度强化学习成为关注的热点。在自动驾驶、棋牌游戏、分子重排和机器人等领域, 计算机程序能够通过强化学习, 理解以前被视为超级困难的问题, 取得了令人瞩目的成果。在围棋比赛中, AlphaGo接连战胜樊麾、李世石和柯洁等人类冠军。深度强化学习从生物学和心理学领域的研究中受到启发。生物学激发了人工神经网络和深度学习的出现, 而心理学研究人和动物如何学习, 如何通过正负刺激来强化目标行为。了解了强化学习如何指导机器人行走时, 我们不禁联想到儿童如何在玩中学习。动物行为和大脑结构可作为新的科学和工程蓝图。计算机似乎真正具备了人类的某些行为特征, 深度强化学习技术成为实现AI梦想的核心。教育界也十分重视深度强化学习的研究进展。许多大学开设了深度强化学习课程。本书怡到好处地介绍了深度强化学习领域的技术细节。本书讲解全面, 涵盖深度Q-learning的基本算法, 乃至多智能体强化学习和元学习等高级主题。

豆瓣简介：