Deep Reinforcement Learning in Action /
Contiene: 1) ¿Qué es el aprendizaje por refuerzo?; 2) Modelado de problemas de aprendizaje por refuerzo: procesos de decisión de Markov; 3) Predicción de los mejores estados y acciones: redes Q profundas; 4) Aprendiendo a elegir la mejor política: métodos de gradiente de políticas; 5) Abordar proble...
Guardado en:
| Autor principal: | |
|---|---|
| Otros autores: | |
| Formato: | Libro |
| Idioma: | Inglés |
| Publicado: |
Nueva York, EUA :
Manning,
2020, c2020
|
| Temas: | |
| Acceso en línea: | Ver documento en línea |
| Etiquetas: |
Sin etiquetas, Sé el primero en etiquetar este registro!
|
| Resumen: | Contiene: 1) ¿Qué es el aprendizaje por refuerzo?; 2) Modelado de problemas de aprendizaje por refuerzo: procesos de decisión de Markov; 3) Predicción de los mejores estados y acciones: redes Q profundas; 4) Aprendiendo a elegir la mejor política: métodos de gradiente de políticas; 5) Abordar problemas más complejos con métodos de actor-crítico; 6) Métodos de optimización alternativos: algoritmos evolutivos; 7) DQN distribucional: obteniendo la historia completa; 8) Exploración impulsada por la curiosidad; 9) Aprendizaje por refuerzo multiagente; 10) Aprendizaje por refuerzo interpretable: modelos de atención y relacionales; 11) En conclusión: una revisión y una hoja de ruta. |
|---|---|
| Descripción física: | 1 libro electrónico en línea (1 v. sin paginación) 1 recurso en línea |
| Público: | 2025 BO Licenciatura en Ingeniería en Inteligencia Artificial |
| ISBN: | 9781638350507 |
| Acceso: | 3 licencias |