Reinforcement Learning für reale Aufgaben. Ein ingenieurwissenschaftlicher Ansatz
A

Reinforcement Learning für reale Aufgaben. Ein ingenieurwissenschaftlicher Ansatz

Algorithmen
reinforcement learning engineering approach Markov decision processes deep Q-networks policy gradients industrial applications practical implementation
Autor
Phil Winder
Verlag
BKhV-Peterburg
Jahr
2023
Sprache
Russisch
195
Dieses Buch bewerten

Zum Lesen des Buches, Anmelden / Registrieren

Vorschau des Fragments

Ähnliche Bücher

Reinforcement Learning: Eine Einführung. Zweite Auflage

Reinforcement Learning: Eine Einführung. Zweite Auflage

Richard S. Sutton, Andrew G. Barto

Deep Reinforcement Learning: Theorie und Praxis in Python

Deep Reinforcement Learning: Theorie und Praxis in Python

Laura Gresser, Wan Lung Keng

Reinforcement Learning mit PyTorch: Eine Rezeptsammlung

Reinforcement Learning mit PyTorch: Eine Rezeptsammlung

Yusi (Hayden) Liu

Reinforcement-Learning-Algorithmen in Python. Beschreibung und Entwicklung von KI-Algorithmen

Reinforcement-Learning-Algorithmen in Python. Beschreibung und Entwicklung von KI-Algorithmen

Andrea Lonza

Angewandtes maschinelles Lernen und künstliche Intelligenz für Ingenieure

Angewandtes maschinelles Lernen und künstliche Intelligenz für Ingenieure

Jeff Prosise

Maschinelles Lernen mit geringem Programmieraufwand

Maschinelles Lernen mit geringem Programmieraufwand

Gwendolyn Stripling, Michael Abel

Entwurf von Machine-Learning-Systemen

Entwurf von Machine-Learning-Systemen

Chip Huyen

Deep Learning aus der Sicht eines Praktikers

Deep Learning aus der Sicht eines Praktikers

Josh Patterson, Adam Gibson

Maschinelles Lernen. Die Wissenschaft und Kunst, Algorithmen zu entwickeln, die Wissen aus Daten extrahieren.

Maschinelles Lernen. Die Wissenschaft und Kunst, Algorithmen zu entwickeln, die Wissen aus Daten extrahieren.

Peter Flach

Maschinelles Lernen ohne Umschweife

Maschinelles Lernen ohne Umschweife

Andrei Burkow