کتاب Reinforcement Learning: An Introduction (Adaptive Computation and Machine Learning series)

وضعیت موجودی موجود

مقایسه شود

قیمت قبلی: 6,320,000 ریال

قیمت: 5,920,000 ریال

Product details

Publisher ‏ : ‎ A Bradford Book; second edition (November 13, 2018)
Language ‏ : ‎ English
Hardcover ‏ : ‎ 552 pages
ISBN-10 ‏ : ‎ 0262039249
ISBN-13 ‏ : ‎ 978-0262039246

The significantly expanded and updated new edition of a widely used text on reinforcement learning, one of the most active research areas in artificial intelligence.

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 while interacting with a complex, uncertain environment. In Reinforcement Learning, Richard Sutton and Andrew Barto provide a clear and simple account of the field's key ideas and algorithms. This second edition has been significantly expanded and updated, presenting new topics and updating coverage of other topics.

Like the first edition, this second edition focuses on core online learning algorithms, with the more mathematical material set off in shaded boxes. Part I covers as much of reinforcement learning as possible without going beyond the tabular case for which exact solutions can be found. Many algorithms presented in this part are new to the second edition, including UCB, Expected Sarsa, and Double Learning. Part II extends these ideas to function approximation, with new sections on such topics as artificial neural networks and the Fourier basis, and offers expanded treatment of off-policy learning and policy-gradient methods. Part III has new chapters on reinforcement learning's relationships to psychology and neuroscience, as well as an updated case-studies chapter including AlphaGo and AlphaGo Zero, Atari game playing, and IBM Watson's wagering strategy. The final chapter discusses the future societal impacts of reinforcement learning.

منابع کتاب کتاب Reinforcement Learning: An Introduction (Adaptive Computation and Machine Learning series)

به طور قابل توجهی گسترش یافته و به روز شده نسخه جدید از یک متن به طور گسترده ای مورد استفاده در یادگیری تقویت، یکی از فعال ترین مناطق تحقیقاتی در هوش مصنوعی است.

یادگیری تقویت، یکی از فعال ترین مناطق تحقیقاتی در هوش مصنوعی، یک رویکرد محاسباتی برای یادگیری است که به موجب آن یک عامل تلاش می کند تا کل مبلغ پاداش دریافت کند در حالی که تعامل با محیط پیچیده و نامطمئن است. در یادگیری تقویت، ریچارد ساتون و اندرو بارتو یک گزارش واضح و ساده از ایده ها و الگوریتم های کلیدی این زمینه را ارائه می دهند. این نسخه دوم به طور قابل توجهی گسترش یافته و به روز شده است، ارائه موضوعات جدید و به روز رسانی پوشش های دیگر موضوعات.

همانند اولین نسخه، این نسخه دوم بر الگوریتم های یادگیری آنلاین آنلاین تمرکز دارد، با مواد ریاضی بیشتر در جعبه های سایه دار تنظیم شده است. قسمت اول من به عنوان بسیاری از یادگیری تقویت که ممکن است بدون رفتن به فراتر از مورد جدولی که برای راه حل های دقیق یافت می شود را پوشش می دهد. بسیاری از الگوریتم های ارائه شده در این بخش جدید به نسخه دوم، از جمله UCB، انتظار می رود Sarsa، و یادگیری دو. قسمت دوم این ایده ها را برای تقریب تابع گسترش می دهد، با بخش های جدید در مورد چنین موضوعاتی به عنوان شبکه های عصبی مصنوعی و مبنای فوریه، و ارائه می دهد که درمان های یادگیری سیاست های خارج از سیاست و سیاست های گرا گرادیان را گسترش می دهد. قسمت سوم، فصل های جدیدی در مورد روابط یادگیری تقویتی با روانشناسی و علوم اعصاب، و همچنین یک فصل به روز شده در مورد مطالعات مورد مطالعه شامل Alphago و Alphago Zero، Atari بازی، و استراتژی Wagering IBM Watson است. فصل نهایی در مورد اثرات اجتماعی آینده از یادگیری تقویت کننده بحث می کند.