-
收藏
-
加书架
-
引用
简介
本书通过基础理论和算法实践相结合,循序渐进地介绍了人工智能领域中的常见算法,并以围棋游戏作为媒介,全面、系统地介绍了人工智能算法的实现方法,并通过Keras和PyTorch框架实践人工智能算法中的深度强化学习内容。全书共10章,分别介绍围棋的基础知识、如何制作围棋软件、传统棋类智能算法、神经网络入门知识、如何实现围棋智能体程序、通用化围棋智能体程序、策略梯度算法、基于价值的深度学习网络(DQN)算法、ActorCritic算法、如何实践AlphaGo和AlphaZero等知识,书中的每个知识点都有相应的实现代码和实例。 本书主要面向广大从事数据分析、机器学习、数据挖掘或深度学习的专业人员,从事高等教育的专任教师,高等学校的在读学生及相关领域的广大科研人员。
编辑推荐
(1)问题驱动,由浅入深。 本书通过分解问题,由浅入深、逐步地对如何实践超越人类大师级水平的计算机棋类智能体的重要概念及原理进行讲解与探究,为读者更好地掌握其背后的计算机强化学习原理提供便利和支持。 (2)突出重点,强化理解。 本书结合作者多年的教学与实践经验,针对应用型本科的教学要求和学生特点,突出重点、深入分析,同时在内容方面全面兼顾知识的系统化要求。 (3)注重理论,联系实际。 本书为重要的知识点均配备了代码讲解,采用Python语言结合Keras和PyTorch工具库通过对围棋智能体的代码实践,加深对机器学习,特别是强化学习的再认识。 (4)风格简洁,使用方便。 本书风格简洁明快,对于非重点的内容不做长篇论述,以便读者在学习过程中明确内容之间的逻辑关系,更好地掌握深度强化学习的内容。
更多出版物信息
- 版权: 清华大学出版社
- 出版: 2023-04-01
- 更新: 2023-10-18
- 书号:9787302629696
- 中图:TP18
- 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