简介
强化学习是机器学习领域的重要分支,本书作为该领域入门级教材,在内容上尽可能涵盖强化学习理论的各方面。本书共12章,大致分为3个部分:第一部分(第1-3章)介绍强化学习的基础知识;第2部分(第4-7章)讨论一些经典而常用的强化学习方法(动态规划、蒙特卡洛、时间差分、神经网络、自适应动态规划);第3部分(第8-12章)为进阶知识,内容涉及策略迭代学习、值迭代学习、Q-学习、脱策学习、深度强化学习等。本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材,也可供对强化学习感兴趣的研究人员和工程技术人员阅读参考。
更多出版物信息
- 版权: 清华大学出版社
- 出版: 2022-07-01
- 更新: 2023-06-20
- 书号:9787302589723
- 中图:TP181
- 学科:工学控制科学与工程工学计算机科学与技术交叉学科智能科学与技术