التعلم التعزيزي: مقدمة

د.إ.‏427.00

د.إ.‏ 468.00

شامل ضريبة القيمة المضافة

جاري الحفظ:

د.إ.‏ 41.00

خصم 8%

توصيل مجاني

باقي 1 وحدات في المخزون

توصيل مجاني

احصل عليه خلال 29 مارس

اطلب في غضون 2 ساعة 57 دقيقة

التوصيل بواسطة نوون

الدفع عند الاستلام

عملية تحويل آمنة

عروض البنوك

احصل على د.إ. 21.35 رصيد مسترجع باستخدام بطاقة بنك المشرق نون الائتمانية. اشترك الآن.

البائع

يتم البيع عبر

بوكسمارت

3.4

60% تقييم إيجابي للبائع

المنتج كما في الوصف

70%

شريك لنون منذ

7+ سنة

توصيل مجاني لنقطة نون ومراكز الاستلام

هذا المنتج قابل للإرجاع مجاناً

نظرة عامة على المنتج

المواصفات

الناشر	Mit Press Ltd
رقم الكتاب المعياري الدولي 13	9780262039246
رقم الكتاب المعياري الدولي 10	262039249
تنسيق الكتاب	غلاف صلب
اللغة	الإنجليزية
Language	اللغة الإنجليزية

العنوان الفرعي للكتاب	An Introduction
وصف الكتاب	The significantly expanded and updated new edition of a widely used text on reinforcement learning, one of the most active research areas in artificial intelligence. Reinforcement learning, one of the most active research areas in artificial intelligence, is a computational approach to learning whereby an agent tries to maximize the total amount of reward it receives while interacting with a complex, uncertain environment. In Reinforcement Learning, Richard Sutton and Andrew Barto provide a clear and simple account of the field's key ideas and algorithms. This second edition has been significantly expanded and updated, presenting new topics and updating coverage of other topics. Like the first edition, this second edition focuses on core online learning algorithms, with the more mathematical material set off in shaded boxes. Part I covers as much of reinforcement learning as possible without going beyond the tabular case for which exact solutions can be found. Many algorithms presented in this part are new to the second edition, including UCB, Expected Sarsa, and Double Learning. Part II extends these ideas to function approximation, with new sections on such topics as artificial neural networks and the Fourier basis, and offers expanded treatment of off-policy learning and policy-gradient methods. Part III has new chapters on reinforcement learning's relationships to psychology and neuroscience, as well as an updated case-studies chapter including AlphaGo and AlphaGo Zero, Atari game playing, and IBM Watson's wagering strategy. The final chapter discusses the future societal impacts of reinforcement learning.
عن المؤلف	Richard S. Sutton is Professor of Computing Science and AITF Chair in Reinforcement Learning and Artificial Intelligence at the University of Alberta, and also Distinguished Research Scientist at DeepMind. Andrew G. Barto is Professor Emeritus in the College of Computer and Information Sciences at the University of Massachusetts Amherst.
رقم الطبعة	2
تاريخ النشر	43417
عدد الصفحات	552

تمت الإضافة لعربة التسوق atc

مجموع السلة 427.00 د.إ.‏