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:

  • 正版新书]Python深度强化学习 基于Chainer和OpenAI Gym[日]牧野
  • 全店均为全新正版书籍,欢迎选购!新疆西藏青海(可包挂刷).港澳台及海外地区bu bao快递
    • 作者: [日]牧野浩二(KojiMakino),[日]西崎博光(HiromitsuNishizaki)著 | [日]牧野浩二(KojiMakino),[日]西崎博光(HiromitsuNishizaki)编 | [日]牧野浩二(KojiMakino),[日]西崎博光(HiromitsuNishizaki)译 | [日]牧野浩二(KojiMakino),[日]西崎博光(HiromitsuNishizaki)绘
    • 出版社: 机械工业出版社
    • 出版时间:2021-11-01
    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:
    君凤文轩图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: [日]牧野浩二(KojiMakino),[日]西崎博光(HiromitsuNishizaki)著| [日]牧野浩二(KojiMakino),[日]西崎博光(HiromitsuNishizaki)编| [日]牧野浩二(KojiMakino),[日]西崎博光(HiromitsuNishizaki)译| [日]牧野浩二(KojiMakino),[日]西崎博光(HiromitsuNishizaki)绘
    • 出版社:机械工业出版社
    • 出版时间:2021-11-01
    • 版次:1
    • 印次:1
    • 页数:228
    • 开本:16开
    • ISBN:9787111692584
    • 版权提供:机械工业出版社
    • 作者:[日]牧野浩二(KojiMakino),[日]西崎博光(HiromitsuNishizaki)
    • 著:[日]牧野浩二(KojiMakino),[日]西崎博光(HiromitsuNishizaki)
    • 装帧:平装
    • 印次:1
    • 定价:79
    • ISBN:9787111692584
    • 出版社:机械工业出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2021-11-01
    • 页数:228
    • 外部编号:涿仝东216901
    • 版次:1
    • 成品尺寸:暂无

    译者序

    前言

    章引言

    1.1深度强化学习可以做什么

    1.2本书的结构

    1.3框架:Chainer和ChainerRL

    1.4Python的运行检查

    1.5Chainer的安装

    1.6ChainerRL的安装

    1.7模拟器:OpenAIGym

    第2章深度学习

    2.1什么是深度学习

    2.2神经网络

    .基于Chainer的神经网络

    ..1Chainer与神经网络的对应

    ..2Chainer程序

    ..参数设置

    ..4创建数据

    ..5定义神经网络

    ..各种声明

    ..显示训练状态

    ..保存训练状态

    ..执行训练

    2.4与神经网络的对应

    2.4.1感知器

    2.4.25层神经网络(深度学习)

    2.4.3计算输入中的1的数量

    2.5基于深度神经网络的手写数字识别

    2.5.1手写数字的输入格式

    2.5.2深度神经网络的结构

    2.5.38×8的手写数字数据

    2.6基于卷积神经网络的手写数字识别

    2.6.1卷积

    2.6.2激活函数

    2.6.3池化

    2.6.4执行

    2.7一些技巧

    2.7.1读取文件数据

    2.7.2使用训练模型

    2.7.3重启训练

    2.7.4检查权重

    2.7.5从文件中读取手写数字

    第3章强化学习

    3.1什么是强化学习

    3.1.1有监督学习

    3.1.2无监督学习

    3.1.3半监督学习

    3.2强化学习原理

    3.3通过简单的示例来学习

    3.4应用到学习问题中

    3.4.1状态

    3.4.2行动

    3.4.3奖励

    3.4.4值

    3.5使用Python进行训练

    3.5.1运行程序

    3.5.2说明程序

    3.6基于OpenAIGym的倒立摆

    3.6.1运行程序

    3.6.2说明程序

    3.7如何保存和加载值

    第4章深度强化学习

    4.1什么是深度强化学习

    4.2对于鼠学问题的应用

    4.2.1运行程序

    4.2.2说明程序

    4..如何保存和读取智能体模型

    4.3基于OpenAIGym的倒立摆

    4.3.1运行程序

    4.3.2说明程序

    4.4基于OpenAIGym的太空侵略者

    4.5基于OpenAIGym的颠球

    4.5.1运行程序

    4.5.2说明程序

    4.6对战游戏

    4.6.1黑白棋

    4.6.2训练方法

    4.6.3变更盘面

    4.6.4黑白棋实体

    4.6.5如何与人类对战

    4.6.6卷积神经网络的应用

    4.7使用物理擎行模拟

    4.7.1物理引擎

    4.7.2运行程序

    4.7.3说明程序

    4.8物理引擎在颠球问题中的应用

    4.9物理引擎在倒立摆问题中的应用

    4.10物理引擎在机械臂问题中的应用

    4.11使用深度强化学习方法

    4.11.1深度强化学习的类型

    4.11.2将训练方法更改为DDN

    4.11.3将训练方法更改为PER-DN

    4.11.4将训练方法更改为DDPG

    4.11.5将训练方法更改为A3C

    第5章实际环境中的应用

    5.1使用摄像机观察环境(MNIST)

    5.1.1摄像机设置

    5.1.2通过卷积神经网络对摄像机图像进行分类

    5.1.3使用图像大小为28×28的手写数字进行训练

    5.2实际环境中的鼠学问题

    5.3使用RaspberryPi处理鼠学问题

    5.3.1环境构建

    5.3.2以输入输出为重点的简化

    5.3.3使用摄像机测量环境

    5.4使用Arduino+PC处理鼠学问题

    5.4.1环境构建

    5.4.2以输入输出为重点的简化

    5.4.3使用摄像机测量环境

    5.5使用RaspberryPi+Arduino处理鼠学问题

    5.6结语

    附录


    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