8 (905) 200-03-37 Владивосток
с 09:00 до 19:00
CHN - 1.14 руб. Сайт - 21.13 руб.

Укрепление обучения и оптимального контроля создает серию книг и дисциплин электротехники в Международном университете, известном международным университетам, с новой перспективой искусственного интеллекта и оптимального контроля с новой точки зрения

Цена: 2 251руб.    (¥106.5)
Артикул: 622425292085

Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.

Этот товар на Таобао Описание товара
Продавец:万卷书海图书专营店
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥219045 618руб.
¥1282 705руб.
¥ 44.5 34.71734руб.
¥ 39 29.9632руб.
  • Информация о товаре
  • Фотографии

Основная информация
Название книги: Обучение с подкреплением и оптимальное управление (оригинальный учебник всемирно известного университета).——
Автор: [США] Де Мейтуи&Middot; P. dimitri P. Bertsekas
Цена: 149 юаней
Время печати: 1-1
ISBN: 9787302540328
Дата публикации: 2020.06.01
Дата печати: 2020.04.29

краткое введение
Цель этой книги — рассмотреть большие и сложные многоэтапные задачи принятия решений, которые в принципе могут быть решены с помощью динамического программирования и оптимального управления, но точное решение которых вычислительно сложно. В этой книге обсуждаются решения, основанные на приближениях для создания неоптимальной политики с адекватной производительностью.Эти методы вместе называются обучением с подкреплением, а также их можно назвать приближенным динамическим программированием и нейронным динамическим программированием.Темы этой книги возникают из взаимодействия идей об оптимальном управлении и искусственном интеллекте.Одна из целей этой книги — изучить общие границы между этими двумя областями и построить мост, доступный для профессионалов, имеющих опыт работы в любой из этих областей.

Оглавление
1. Exact Dynamic Programming
1.1. DeterministicDynamicProgramming       p. 2
1.1.1. DeterministicProblems        p. 2
1.1.2. TheDynamicProgrammingAlgorithm     p. 7
1.1.3. Approximation inValue Space       p. 12
1.2. StochasticDynamicProgramming        p. 14
1.3.      p. 18
1.3.1     p. 19
1.3.2      p. 21
1.3.3. Problemswith aTermination State      p. 25
1.3.4. Forecasts            p. 26
1.3.5.   p. 29
1.3.6.    p. 34
1.3.7. LinearQuadraticOptimalControl      p. 38
1.3.8    
Control            p. 40
1.4.    
Terminology            p. 43
1.5. Notes and Sources           p. 45
2. Approximation in Value Space
2.1.   p. 50
2.1.1.   p. 54
2.1.2. Off-Line andOn-LineMethods       p. 56
2.1.3.    
Minimization           p. 57
2.1.4.   p. 58
2.1.5.     
ApproximationinValue Space       p. 61
2.1.6.   p. 62
2.2. Multistep Lookahead          p. 64
??ii
viii Contents
2.2.1.    p. 65
2.2.2.   p. 67
2.3. Problem Approximation          p. 69
2.3.1. Enforced Decomposition        p. 69
2.3.2.   
Control            p. 76
2.4.     p. 83
2.4.1.     
Optimization           p. 84
2.4.2.   p. 95
2.4.3. Rollout with an Expert        p. 104
2.5.  
Optimization Heuristics         p. 106
2.5.1. Model Predictive Control        p. 108
2.5.2.   
Condition           p. 115
2.5.3.     p. 118
2.6. Notes and Sources          p. 120
3. Parametric Approximation
3.1. Approximation Architectures        p. 126
3.1.1.  p. 126
3.1.2.   p. 134
3.1.3.    p. 135
3.2. Neural Networks           p. 149
3.2.1. Training of Neural Networks       p. 153
3.2.2.     p. 157
3.3.    p. 161
3.4. Q-Factor Parametric Approximation       p. 162
3.5.     
Classification            p. 165
3.6. Notes and Sources          p. 171
4. Infinite Horizon Dynamic Programming
4.1.     p. 174
4.2. Stochastic Shortest Path Problems       p. 177
4.3. Discounted Problems          p. 187
4.4. Semi-Markov Discounted Problems       p. 192
4.5.     p. 197
4.6. Policy Iteration           p. 200
4.6.1. Exact Policy Iteration        p. 200
4.6.2.    
Iteration           p. 205
4.6.3. Policy Iteration for Q-factors       p. 208
Contents i??
4.7. Notes and Sources          p. 209
4.8. Appendix: MathematicalAnalysis       p. 211
4.8.1.   p. 212
4.8.2. Proofs forDiscountedProblems      p. 217
4.8.3. ConvergenceofExact andOptimistic      
Policy Iteration         p. 218
5. Бесконечное обучение подкреплению горизонта
5.1.   p. 222
5.1.1. LimitedLookahead         p. 224
5.1.2.   p. 227
5.1.3. ApproximatePolicy Iteration       p. 232
5.2. FittedValue Iteration          p. 235
5.3.    
Approximation           p. 239
5.3.1    p. 239
5.3.2.   p. 241
5.3.3.   p. 243
5.3.4    
Iteration           p. 246
5.3.5.   
Oscillations           p. 249
5.4. Q-Learning            p. 253
5.4.1.  
Approximation- SARSAandDQN     p. 255
5.5.     p. 256
5.6    p. 267
5.7. Approximation inPolicy Space        p. 270
5.7.1.   
Cross-Entropy,andRandomSearchMethods   p. 276
5.7.2. Expert-BasedSupervisedLearning     p. 286
5.7.3.    
ApproximationinPolicySpace      p. 288
5.8. Notes and Sources          p. 293
5.9. Appendix: MathematicalAnalysis       p. 298
5.9.1.   p. 299
5.9.2. Performance Bounds for Rollout      p. 301
5.9.3.    
Iteration           p. 304
6. Aggregation
6.1.      p. 308
6.1.1.  p. 314
6.1.2.  p. 315
?? Contents
6.2.     p. 317
6.2.1.     p. 320
6.2.2. AggregationUsingFeatures       p. 322
6.3.     p. 328
6.3.1. Simulation-BasedPolicy Iteration      p. 328
6.3.2. Simulation-Based Value Iteration      p. 331
6.4   p. 332
6.5. BiasedAggregation          p. 334
6.6. Notes and Sources          p. 337
6.7. Appendix: MathematicalAnalysis       p. 340
References             p. 345
Index              p. 369