强化学习的数学原理 - 第5页

...机器学习的一个全局性综述。第2至第6章分别对统计学习、非监督学习、符号学习、强化学习和流形学习进行了综述，并穿插了作者的一些精彩工作。第7和第8章分别介绍了作者在集成学习...

...工程师必 - 备的知识体系；见神经网络、强化学习、生成对抗网络等新科研进展之微，知深度学习领域胜败兴衰之著；“博观而约取，厚积而薄发”，在末一章为读者展示生活中各种引领时代的人工智能应用...

...强化学习、元学习、自动化机器学习等；第二部分介绍深度学习在一些领域的应用，包括计算机视觉、自然语言处理、推荐系统、计算广告、视频处理、计算机听觉、自动驾驶等。本书仍然采用知识点问答的形式来组织内容，每个问题都给出了难度...

...11章介绍了概率图模型的基本概念。第12章介绍两种早期的深度学习模型：玻尔兹曼机和深度信念网络。第13章介绍深度生成模型：变分自编码器和对抗生成网络。第14章介绍了深度强化学习的知识...

...首先介绍贝叶斯学习基础、逻辑回归、概率图模型基础、隐马尔可夫模型和条件随机场，接着介绍支持向量机、人工神经网络与深度学习、高斯过程、聚类、主成分分析与相关的谱方法，最后介绍确定性近似推理、随机近似推理和强化学习...

...基本准则。本书添加了基于 PyTorch 的深度学习内容，介绍了新版 Scikit-Learn。本书涵盖了多种用于文本和图像分类的机器学习与深度学习方法，介绍了用于生成新数据的生成对抗网络（GAN）和用于训练智能体的强化学习...

...与深度学习相关的内容编写而成，介绍了卷积神经网络、Transformer、生成模型、自监督学习（包括 BERT 和 GPT）等深度学习常见算法，并讲解了对抗攻击、领域自适应、强化学习、元学习、终身学习、网络压缩等深度学习相关的进阶...

...了机器学习背后的原理，使你可以自己建立模型和应用程序。第3版结合TensorFlow 2和scikit-learn的新版本进行了更新，涵盖强化学习和生成对抗网络（GAN）这两种先进的机器学习技术。机器学习将改变...

...集团科技公司深度学习平台和 AutoML 平台负责人。本书得到了 IEEE Fellow/ACM杰出科学家/香港科技大学教授杨强、腾讯AI Lab 副 主任俞 栋、美国佛罗里达大学教授李晓林等 8 位来自企业界、学术界和媒体界的资深专家的一致好评...

人工智能和机器学习的广泛应用给当今的许多行业带来了根本性的变革。在金融领域，人工智能技术也已锋芒初露。通过阅读本书，你将了解如何利用神经网络和强化学习等方法，对金融市场的走势做出预测。