返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • Python深度强化学习:基于Chainer和OpenAI Gym
  • 新华书店正版
    • 作者: [日]牧野 浩二(Koji Makino),[日]西崎 博光(Hiromitsu Nishizaki)著 | | 申富饶 于僡 译译
    • 出版社: 机械工业出版社
    • 出版时间:2021-10-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: [日]牧野 浩二(Koji Makino),[日]西崎 博光(Hiromitsu Nishizaki)著| 申富饶 于僡 译译
    • 出版社:机械工业出版社
    • 出版时间:2021-10-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2021-10-01
    • 字数:142
    • 页数:228
    • 开本:16开
    • 装帧:平装
    • ISBN:9787111692584
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    Python深度强化学习:基于Chainer和OpenAI Gym

    作  者:[日]牧野 浩二(Koji Makino),[日]西崎 博光(Hiromitsu Nishizaki) 著 申富饶 于僡 译 译
    定  价:79
    出 版 社:机械工业出版社
    出版日期:2021年10月01日
    页  数:228
    装  帧:平装
    ISBN:9787111692584
    主编推荐

    内容简介

    本书基于强化学的库Chainer(Chainere)和AI模拟环境的OpenAI gym,不仅仅是软件模拟,也详述了使用RaspbbilryPi和ARduino的实际环境的应用。

    作者简介

    精彩内容

    目录
    译者序前言章  引言 11.1  深度强化学习可以做什么 11.2  本书的结构 41.3  框架:Chainer和ChainerRL 61.4  Python的运行检查 61.5  Chainer的安装 91.6  ChainerRL的安装 121.7  模拟器:OpenAI Gym 14第2章  深度学习 172.1  什么是深度学习 172.2  神经网络 182.3  基于Chainer的神经网络 212.3.1  Chainer与神经网络的对应 242.3.2  Chainer程序 252.3.3  参数设置 262.3.4  创建数据 272.3.5  定义神经网络 272.3.6  各种声明 282.3.7  显示训练状态 282.3.8  保存训练状态 312.3.9  执行训练 322.4  与其他神经网络的对应 322.4.1  感知器 322.4.2  5层神经网络(深度学习) 332.4.3  计算输入中的1的数量 342.5  基于深度神经网络的手写数字识别 352.5.1  手写数字的输入格式 362.5.2  深度神经网络的结构 392.5.3  8×8的手写数字数据 412.6  基于卷积神经网络的手写数字识别 432.6.1  卷积 452.6.2  激活函数 492.6.3  池化 492.6.4  执行 502.7  一些技巧 532.7.1  读取文件数据 542.7.2  使用训练模型 552.7.3  重启训练 562.7.4  检查权重 562.7.5  从文件中读取手写数字 57第3章  强化学习 593.1  什么是强化学习 593.1.1  有监督学习 603.1.2  无监督学习 603.1.3  半监督学习 603.2  强化学习原理 613.3  通过简单的示例来学习 613.4  应用到Q学习问题中 633.4.1  状态 633.4.2  行动 633.4.3  奖励 633.4.4  Q值 643.5  使用Python进行训练 673.5.1  运行程序 673.5.2  说明程序 693.6  基于OpenAI Gym的倒立摆 733.6.1  运行程序 733.6.2  说明程序 743.7  如何保存和加载Q值 79第4章  深度强化学习 814.1  什么是深度强化学习 814.2  对于老鼠学习问题的应用 834.2.1  运行程序 834.2.2  说明程序 854.2.3  如何保存和读取智能体模型 914.3  基于OpenAI Gym的倒立摆 914.3.1  运行程序 914.3.2  说明程序 924.4  基于OpenAI Gym的太空侵略者 974.5  基于OpenAI Gym的颠球 994.5.1  运行程序 1014.5.2  说明程序 1024.6  对战游戏 1094.6.1  黑白棋 1094.6.2  训练方法 1114.6.3  变更盘面 1214.6.4  黑白棋实体 1214.6.5  如何与人类对战 1234.6.6  卷积神经网络的应用 1274.7  使用物理引擎进行模拟 1284.7.1  物理引擎 1294.7.2  运行程序 1304.7.3  说明程序 1314.8  物理引擎在颠球问题中的应用 1324.9  物理引擎在倒立摆问题中的应用 1404.10  物理引擎在机械臂问题中的应用 1444.11  使用其他深度强化学习方法 1514.11.1  深度强化学习的类型 1514.11.2  将训练方法更改为DDQN 1534.11.3  将训练方法更改为PER-DQN 1534.11.4  将训练方法更改为DDPG 1534.11.5  将训练方法更改为A3C 155第5章  实际环境中的应用 1575.1  使用摄像机观察环境(MNIST) 1575.1.1  摄像机设置 1585.1.2  通过卷积神经网络对摄像机图像进行分类 1605.1.3  使用图像大小为28×28的手写数字进行训练 1635.2  实际环境中的老鼠学习问题 1645.3  使用Raspberry Pi处理老鼠学习问题 1685.3.1  环境构建 1695.3.2  以输入输出为重点的简化 1695.3.3  使用摄像机测量环境 1765.4  使用Arduino + PC处理老鼠学习问题 1815.4.1  环境构建 1825.4.2  以输入输出为重点的简化 1855.4.3  使用摄像机测量环境 1935.5  使用Raspberry Pi + Arduino处理老鼠学习问题 1975.6  结语 201附录 202

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购