强化学习的数学原理 - 第6页

...深度学习、强化学习、超级智能、哲学问题和未来趋势等，以宏阔的视野和生动的语言，对人工智能进行了全面回顾和深度点评。第2版中每章都有新增内容，并增加了全新的第13章，整理了...

...第 5 章和第 6 章介绍了基础的卷积神经网络，以及目前比较经典的 AlexNet、VGGNet、Inception Net 和 ResNet；第 7 章介绍了 Word2Vec、RNN 和 LSTM；第 8 章介绍了强化学习，以及基于深度学习的策略网络和估值网络...

...的动力学模型建立、环境状态信息感知等问题提供了丰富的解决思路。 本书在现有的深度强化学习算法基础上，针对机器人控制中的机器人姿态平衡控制、机器人持物平衡控制、机器人抓取控制 3 个方面的...

...本书还提供较为全面的习题解答以及Python 代码实现，可以让读者进行端到端、从理论到轻松实践的全生态学习，充分掌握强化学习算法的原理并能进行实战。本书适合对强化学习感兴趣的读者阅读...

...深度学习结合的独特优势，掌握客户端预测与分析、图像识别、监督学习、迁移学习、强化学习等核心概念，并动手在浏览器中实现计算机视觉和音频处理以及自然语言处理，构建并训练神经网络，利用客户端数据优化机器学习模型，开发基于浏览器的...

...是机器学习，它试图解决什么问题，以及系统的主要类别和基本概念；第二部分介绍神经网络和深度学习，涵盖以下主题：什么是神经网络以及它们有什么用，使用TensorFlow和Keras构建和训练神经网络的技术，以及如何使用强化学习构建可以...

...对于当前比较热门的生成对抗网络和强化学习也有一定的介绍，方便读者拓宽视野，掌握前沿方向。本书适合人工智能、机器学习、深度学习方面的人员阅读，也适合其他 IT 方面从业者，另外，还可以作为相关专业的教材...

...科学领域常用的所有重要机器学习算法以及 TensorFlow 和特征工程等相关内容。涵盖的算法包括线性回归、逻辑回归、支持向量机、朴素贝叶斯、k 均值、随机森林等，这些算法可以用于监督学习、非监督学习、强化学习或半监督学习...

...分割等；第三部分（第 11~13 章）介绍各种图像处理技术，包括自编码器模型和各种类型的 GAN 模型；第四部分（第 14~18 章）探讨将计算机视觉技术与 NLP、强化学习和 OpenCV 等技术相结合来解决传统问题的新方法。

...学习、强化学习、超级智能、哲学问题和未来趋势等，以宏阔的视野和生动的语言，对人工智能进行了全面回顾和深度点评。本书作者和书中诸多人物或为师友或相熟相知，除了详实的考证还有有趣的...