决策用强化与系统性机器学习
机器学习是人工智能领域中一个极其重要的研究方向。强化学习是机器学习中的一个重要分支。作为解决序贯优化决策的有效方法,强化学习有效地应用于计算科学、自动控制、机器人技术等各个领域。 当前,强化学习的核心任务是提高学习效率,本书就是针对此问题展开的。第1章介绍系统概念和增强机器学习,它建立了一个突出的相同的机器学习系统范例;第2章将更多关注机器学习的基本原理和多视角学习;第3章关于强化学习;第4章处理机器学习系统和模型建立的问题;决策推理等重要的部分将在第5章展开;第6章讨论了自适应机器学习;第7章讨论了多视角和全局系统性机器学习;第8章讨论了增量学习的需要和知识表示;第9章处理了知识增长方面的问题;第10章讨论了学习系统的建立。 本书适合于机器学习、自动化技术、 人工智能等方面的相关专业教师与研究生阅读,也可供自然科学和工程领域相关研究人员参考。 人工智能等方面的相关专业教师与研究生阅读,也可供自然科学和工程领域相关研究人员参考。
用户评论
推荐下载
-
多智能体系统强化学习
内容主要讲的是强化学习在多智能体系统中的应用及方法,比较简单的方法。
38 2019-03-10 -
多智能体机器学习强化学习方法中文版
经典多智能体机器学习著作,懂得自然懂,将机器学习与多智能体问题结合在一起
47 2019-04-30 -
机器学习与优化
机器学习与优化,本文档是对机器学习的入门书籍,同时也是对机器学习的优化和深入学习必备文档
22 2019-09-14 -
机器学习与AlphaGo
写给码农的机器学习手册,解读常用算法,关注AlphaGo背后的技术
23 2019-09-13 -
MATLAB与机器学习
MATLAB与机器学习算法的代码程序,讲解的很细致,易上手
42 2019-03-05 -
Matlab与机器学习
百度云资源 机器学习的matlab实现 带ppt讲义
70 2018-12-08 -
足球机器人决策系统的设计
足球机器人系统目前已成为人工智能应用技术研究的重要实验平台, 系统的核心部分就是决策子系统。本文 介绍了一种决策子系统的分层控制结构设计, 它由协调层、运动规划层和基本动作层组成。这三层在逻辑上紧密联
32 2019-03-07 -
监督机器学习可解释性
通过人工神经网络等获得的预测具有很高的准确性,但人类经常将这些模型视为黑盒子。对于人类来说,关于决策制定的洞察大多是不透明的。在医疗保健或金融等高度敏感领域,对决策的理解至关重要。黑盒子背后的决策要求
21 2020-11-20 -
机器学习可解释性.zip
作者ChristophMolnar介绍说,这是一本关于黑盒模型可解释性的理解指南,用时两年完成,全书共250多页,七万八千多字。好消息,这本《可解释性的机器学习》全书电子版现在可以在线预览了。这本书共
39 2019-07-24 -
机器学习实战用Scikit learn和TensorFlow进行机器学习三
本文来自于csdn,本文章主要介绍了真实数据(csv表格数据)训练集的查看与预处理以及Pineline的基本架构的实战操作,希望对您的学习有帮助。 7、选择及训练模型 首先尝试训练一个线性回归模型(L
12 2021-02-01
暂无评论