From Shortest Paths to Reinforcement Learning : A MATLAB-Based Tutorial on Dynamic Programming /
Contenido: 1. El principio de la programación dinámica; 2. Implementación de la programación dinámica; 3. Modelado para la programación dinámica; 4. Programación dinámica numérica para estados discretos; 5. Programación dinámica aproximada y aprendizaje de refuerzo para estados discretos; 6. Program...
Gorde:
| Egile nagusia: | |
|---|---|
| Formatua: | Liburua |
| Hizkuntza: | ingelesa |
| Argitaratua: |
Cham, Suiza :
Springer,
2021, c2021
|
| Saila: | (EURO Advanced Tutorials on Operational Research)
|
| Gaiak: | |
| Sarrera elektronikoa: | Ver documento en línea |
| Etiketak: |
Etiketarik gabe, Izan zaitez lehena erregistro honi etiketa jartzen!
|
MARC
| LEADER | 00000nam^a2200000^a^4500 | ||
|---|---|---|---|
| 001 | 000428912 | ||
| 005 | 20251023000000.0 | ||
| 009 | 20260310122844.368 | ||
| 020 | |a 978-3-030-61867-4 | ||
| 037 | |a Acervo ITESO - Biblioteca | ||
| 041 | |a ING | ||
| 082 | |a 006. 31 |b BRA | ||
| 100 | |a Brandimarte, Paolo |e (autor) | ||
| 245 | 1 | 0 | |a From Shortest Paths to Reinforcement Learning : |b A MATLAB-Based Tutorial on Dynamic Programming / |c P. Brandimarte. |
| 264 | 4 | |a Cham, Suiza : |b Springer, |c 2021, c2021 | |
| 264 | 2 | |a Birmingham, EUA : |b EBSCOhost [distribución], |c 2021 | |
| 300 | |a 1 libro electrónico en línea (XI, 207 p.) | ||
| 300 | |a 1 recurso en línea | ||
| 336 | |a datos para computadora |b cod |2 rdacontenido | ||
| 337 | |a computadora |b c |2 rdamedio | ||
| 338 | |a recurso en línea |b cr |2 rdasoporte | ||
| 440 | 1 | |a (EURO Advanced Tutorials on Operational Research) | |
| 506 | 1 | |a Licencias ilimitadas | |
| 520 | |a Contenido: 1. El principio de la programación dinámica; 2. Implementación de la programación dinámica; 3. Modelado para la programación dinámica; 4. Programación dinámica numérica para estados discretos; 5. Programación dinámica aproximada y aprendizaje de refuerzo para estados discretos; 6. Programación dinámica numérica para estados continuos; 7. Programación dinámica aproximada y aprendizaje de refuerzo para estados continuos. | ||
| 521 | |a Peticiones 2021 | ||
| 649 | |a XX | ||
| 650 | |a Aprendizaje Automático (Inteligencia Artificial) - |x Tema Principal | ||
| 650 | |a Inteligencia Artificial | ||
| 650 | |a Programación Dinámica - |x Tema Principal | ||
| 650 | |a Paquetes (Software) | ||
| 650 | |a Programación (Matemáticas) | ||
| 650 | |a Aproximación (Matemáticas) | ||
| 650 | |a Ingeniería Computacional | ||
| 856 | 4 | 0 | |u https://ezproxy.iteso.mx/login?url=https://search.ebscohost.com/login.aspx?direct=true&scope=site&db=nlebk&db=nlabk&AN=2737790 |y Ver documento en línea |
| 910 | |a Fondo General | ||
| 920 | |a Electrónicos - Libros en Línea | ||
| 930 | |a Plataforma Digital | ||
| 905 | |a 205 | ||
| 901 | |a 428912-1 |b IT2 |c EBO |i C175018 |u 20250521 | ||
| 902 | |a https://opac.biblio.iteso.mx/vufind/Record/000428912 | ||