Reinforcement Learning (eBook, PDF)
State-of-the-Art
267,95 €
inkl. MwSt.
Sofort per Download lieferbar
134 °P sammeln
Reinforcement Learning (eBook, PDF)
State-of-the-Art
- Format: PDF
- Merkliste
- Auf die Merkliste
- Bewerten Bewerten
- Teilen
- Produkt teilen
- Produkterinnerung
- Produkterinnerung
Bitte loggen Sie sich zunächst in Ihr Kundenkonto ein oder registrieren Sie sich bei
bücher.de, um das eBook-Abo tolino select nutzen zu können.
Hier können Sie sich einloggen
Hier können Sie sich einloggen
Sie sind bereits eingeloggt. Klicken Sie auf 2. tolino select Abo, um fortzufahren.
Bitte loggen Sie sich zunächst in Ihr Kundenkonto ein oder registrieren Sie sich bei bücher.de, um das eBook-Abo tolino select nutzen zu können.
- Geräte: PC
- ohne Kopierschutz
- eBook Hilfe
- Größe: 8.61MB
Andere Kunden interessierten sich auch für
- Christos DimitrakakisDecision Making Under Uncertainty and Reinforcement Learning (eBook, PDF)149,79 €
- Modern Trends in Controlled Stochastic Processes: (eBook, PDF)213,99 €
- Hassan AbouEishaExtensions of Dynamic Programming for Combinatorial Optimization and Data Mining (eBook, PDF)96,29 €
- Shengli WuData Fusion in Information Retrieval (eBook, PDF)110,95 €
- Christopher GattiDesign of Experiments for Reinforcement Learning (eBook, PDF)96,29 €
- Hitoshi IbaPractical Applications of Evolutionary Computation to Financial Engineering (eBook, PDF)71,95 €
- Fawaz AlsolamiDecision and Inhibitory Trees and Rules for Decision Tables with Many-valued Decisions (eBook, PDF)96,29 €
-
-
-
Produktdetails
- Produktdetails
- Verlag: Springer Berlin
- Erscheinungstermin: 5. März 2012
- Englisch
- ISBN-13: 9783642276453
- Artikelnr.: 37374538
- Verlag: Springer Berlin
- Erscheinungstermin: 5. März 2012
- Englisch
- ISBN-13: 9783642276453
- Artikelnr.: 37374538
Continous State and Action Spaces.- Relational and First-Order Knowledge Representation.- Hierarchical Approaches.- Predictive Approaches.- Multi-Agent Reinforcement Learning.- Partially Observable Markov Decision Processes (POMDPs).- Decentralized POMDPs (DEC-POMDPs).- Features and Function Approximation.- RL as Supervised Learning (or batch learning).- Bounds and complexity.- RL for Games.- RL in Robotics.- Policy Gradient Techniques.- Least Squares Value Iteration.- Models and Model Induction.- Model-based RL.- Transfer Learning in RL.- Using of and extracting Knowledge in RL.- Biological or Psychological Background.- Evolutionary Approaches.- Closing chapter, prospects, future issues.
Continous State and Action Spaces.- Relational and First-Order Knowledge Representation.- Hierarchical Approaches.- Predictive Approaches.- Multi-Agent Reinforcement Learning.- Partially Observable Markov Decision Processes (POMDPs).- Decentralized POMDPs (DEC-POMDPs).- Features and Function Approximation.- RL as Supervised Learning (or batch learning).- Bounds and complexity.- RL for Games.- RL in Robotics.- Policy Gradient Techniques.- Least Squares Value Iteration.- Models and Model Induction.- Model-based RL.- Transfer Learning in RL.- Using of and extracting Knowledge in RL.- Biological or Psychological Background.- Evolutionary Approaches.- Closing chapter, prospects, future issues.