Štatistické posilňovanie učenia: Moderné prístupy strojového učenia

Recenzie čitateľov

Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 4 hlasoch.

Pôvodný názov:

Statistical Reinforcement Learning: Modern Machine Learning Approaches

Obsah knihy:

Učenie posilňovaním je matematický rámec na vývoj počítačových agentov, ktorí sa môžu naučiť optimálne správanie tým, že spájajú všeobecné signály odmeňovania so svojimi predchádzajúcimi činnosťami. Rámec RL s mnohými úspešnými aplikáciami v oblasti obchodnej inteligencie, riadenia zariadení a hier je ideálny na rozhodovanie v neznámom prostredí s veľkým množstvom údajov.

Kniha Statistical Reinforcement Learning: Modern Machine Learning Approaches, ktorá predstavuje aktuálny a prístupný úvod do tejto oblasti, predstavuje základné koncepty a praktické algoritmy štatistického posilňovania z pohľadu moderného strojového učenia. Zahŕňa rôzne typy prístupov RL vrátane prístupov založených na modeli a bez modelu, iterácie politík a metód vyhľadávania politík.

⬤ Pokrýva celý rad algoritmov posilňovania učenia z moderného pohľadu.

⬤ Uvádza súvisiace optimalizačné problémy pre každý zahrnutý scenár posilňovania učenia.

⬤ Poskytuje podnetné štatistické spracovanie algoritmov posilňovania učenia.

Kniha zahŕňa prístupy nedávno zavedené v oblasti dolovania údajov a strojového učenia s cieľom poskytnúť systematický most medzi výskumníkmi v oblasti RL a dolovania údajov/strojového učenia. Prezentuje najnovšie výsledky vrátane redukcie dimenzionality v RL a RL citlivého na riziko. Zahrnuté sú početné ilustračné príklady, ktoré pomáhajú čitateľom pochopiť intuíciu a užitočnosť techník posilňovania učenia.

Táto kniha je ideálnym zdrojom informácií pre študentov postgraduálneho štúdia informatiky a programov aplikovanej štatistiky, ako aj pre výskumníkov a inžinierov v príbuzných oblastiach.