Name: Verstärkungslernen (en Alemán)
Price: 317.93 PEN
Availability: InStock
Author: S, Satyanarayana ; , Thayyaba Khatoon ; Bindu, N. V. Madhu
ISBN: 9786206403128

Formato

Libro Físico

Autor

Editorial

Idioma

Alemán

N° páginas

144

Encuadernación

Tapa Blanda

Dimensiones

22.9 x 15.2 x 0.9 cm

Peso

0.22 kg.

ISBN13

9786206403128

Categorías

Redes y comunicaciones informáticas

Verstärkungslernen (en Alemán)

Satyanarayana S (Autor) · Thayyaba Khatoon (Autor) · N. V. Madhu Bindu (Autor) · Verlag Unser Wissen · Tapa Blanda

Libro Nuevo

S/ 317,93

S/ 635,85

Ahorras: S/ 317,93

50% descuento

Envío normal

Origen: Estados Unidos (Costos de importación incluídos en el precio)

Se enviará desde nuestra bodega entre el Lunes 12 de Agosto y el Lunes 26 de Agosto.

Lo recibirás en cualquier lugar de Perú entre 2 y 5 días hábiles luego del envío.

Reseña del libro "Verstärkungslernen (en Alemán)"

Dieses Buch ist in fünf Einheiten gegliedert und bietet eine ganzheitliche Lernerfahrung. Die Reise beginnt mit einer Einführung in Bandit-Algorithmen, wobei Kernkonzepte wie die Algorithmen Upper Confidence Bound (UCB) und Probably Approximately Correct (PAC) erforscht werden. Die nächste Einheit führt in den vollständigen Rahmen des Reinforcement Learning (RL) ein und geht dabei über Bandit-Algorithmen hinaus, um Interaktionen zwischen Akteur und Umgebung über mehrere Zeitschritte zu berücksichtigen. Markov-Entscheidungsprozesse (MDPs) werden als grundlegender Rahmen für die Modellierung sequenzieller Entscheidungsaufgaben eingeführt. Die vierte Einheit befasst sich mit Methoden der dynamischen Programmierung, temporalen Differenzen (TD) und der Bellman-Optimalitätsgleichung in RL. Diese Konzepte ermöglichen es Agenten, ihre Aktionen effektiv zu planen, zu lernen und zu optimieren. Die letzte Einheit beschäftigt sich mit fortgeschrittenen RL-Techniken wie Eligibility Traces, Funktionsannäherung, Methoden der kleinsten Quadrate, Fitted Q-learning, Deep Q-Network (DQN) und Policy Gradient Algorithmen.