您好,欢迎访问PDF电子书资源免费下载网

上传文档

当前位置:首页 > PDF图书 > 科技 > 电子通信 > 决策用强化与系统性机器学习

决策用强化与系统性机器学习

二扫码支付 微信
二扫码支付 支付宝

还剩... 页未读,继续阅读

免费阅读已结束,点击付费阅读剩下 ...

¥ 0 元,已有0人购买

免费阅读

阅读已结束,您可以下载文档离线阅读

¥ 0 元,已有0人下载

免费下载
文档简介:

国际电气工程先进技术译丛 决策用强化与系统性 机器学习 [印度] 巴拉格·库尔卡尼 (Parag Kulkarni) 著 李 宁 吴 健 刘 凯 等译 机 械 工 业 出 版 社 机器学习是人工智能领域中一个极其重要的研究方向。 强化学习是机 器学习中的一个重要分支。 作为解决序贯优化决策的有效方法, 强化学习 有效地应用于计算科学、 自动控制、 机器人技术等各个领域。 当前, 强化学习的核心任务是提高学习效率, 本书就是针对此问题展 开的。 第 1 章介绍系统概念和增强机器学习, 它建立了一个突出的相同的 机器学习系统范例; 第 2 章将更多关注机器学习的基本原理和多视角学 习; 第 3 章关于强化学习; 第 4 章处理机器学习系统和模型建立的问题; 决策推理等重要的部分将在第 5 章展开; 第 6 章讨论了自适应机器学习; 第 7 章讨论了多视角和全局系统性机器学习; 第 8 章讨论了增量学习的需 要和知识表示; 第 9 章处理了知识增长方面的问题; 第 10 章讨论了学习 系统的建立。 本书适合于机器学习、 自动化技术、 人工智能等方面的相关专业教师 与研究生阅读, 也可供自然科学和工程领域相关研究人员参考。 译 者 序 进入 21 世纪以来, 人们对机器学习 (machine learning) 的期望与日俱增。 十年前所想的智能系统如今只是被认为是个普通系统而已。 人们都希望机器变得 更加智能, 能自主地学习并具备高效的解决日常问题的复杂行为的能力。 机器学 习的应用不局限于一种特定的领域, 而是分布在所有领域。 强化学习 (reinforcement learning, 又称再励学习、 评价学习) 是一种重要的 机器学习方法, 在智能控制机器人及分析预测等领域有许多应用。 但在传统的机 器学习分类中没有提到过强化学习, 而在连接主义学习中, 把学习算法分为三种 类型, 即非监督学习 (unsupervised learning)、 监督学习 (supervised leaning) 和 强化学习。 强化学习由统计学、 控制理论、 心理学等相关学科发展而来, 经过多年的发 展, 已经成为解决序贯优化决策的一种有效方法。 所谓强化学习就是智能系统从 环境到行为映射的学习, 以使奖励信号 (强化信号) 函数值最大。 强化学习中 由环境提供的奖励信号是对产生动作的好坏做一种评价, 并非直接告诉强化学习 系统 (reinforcement learning system) 如何去执行正确的动作。 由于外部环境提供 的信息很少, 强化学习系统必须靠自身的经验知识进行学习。 通过这种方式, 强 化学习......

资料大王PDF

38838篇文档

评论

发表评论
< /253 > 免费下载 ¥ 0 元

Powered by 阿里PDF-免费文档电子书下载

Copyright © PDF电子书资源免费下载网 All Rights Reserved. 皖ICP备2021018472号-4
×
保存成功