由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
音像强化学习实战——从零开始制作AlphaGo围棋 微课视频版刘佳
¥ ×1
部 计算机围棋的基础知识和传统的智能算法
章 围棋:黑白的世界
1.1什么是围棋
1.2围棋的规则
1.3胜负的判定
1.4围棋棋手的棋力
1.5计算机眼中的围棋
1.5.1SGF文件
1.5.2GTP
第2章 实现一个围棋软件
2.1软件版本
2.2围棋软件的组成
.佐布里斯特散列
2.4围棋智能体
2.5围棋的棋盘
2.6引入裁判
2.7让智能体下棋
第3章 传统的棋类智能
3.1极小化极大算法
3.2Alpha-Beta剪枝算法
3.3棋类局面评估
3.4模拟
3.4.1算法
3.4.2树搜索
3.4.3算法改进
3.4.4需要注意的问题
3.5监督学习
3.6传统方的讨
第二部分 基于神经网络的机器学习
第4章 机器学习入门
4.1人工神经网络
4.1.1神经元
4.1.2常见的激活函数
4.1.3多层感知器
4.1.4卷积神经网络
4.1.5反向传播算法
4.1.6小批量训练法
4.1.7残差网络
4.1.8多层感知器的应用示例
4.1.9卷积网络对图片进行多分类的应用示例
4.2优化神经网络
4.2.1训练集、验集测试集以及交叉验
4.2.2欠拟合与过拟合
4..损失函数的正则化
4.2.4准确率和召回率的权衡
4.3人工智能方法简介
4.3.1K近邻算法
4.3.2朴素贝叶斯法
4.3.3决策树
4.3.4Boosting算法/Bagging算法
4.3.5支持向量机
4.3.6随机场算法
4.3.7传统智能算法所面临的挑战
第5章 个围棋智能体
5.1围棋棋谱
5.2HDF5文件结构
5.3数据模型
5.4获取训练样本
5.5代码演示
第6章 通用化围棋智能体程序
6.1在网络上发布围棋智能体
6.2本地对战
6.2.1计算机的围棋语言
6.2.2围棋的对弈图形界面
6..围棋引擎
6.3让围棋智能体自己去网上下棋
第三部分 强化学习
第7章 策略梯度
第8章 深度价值网络
8.1传统的-Learning算法
8.1.1原始版-Learning
8.1.2原始版-Learning计算时的优化
8.1.3-Learning的变种Sarsa
8.1.4Sarsa的进化Sarsa-λ
8.2在神经网络上应用DN
第9章 Actor-Critic算法
0章 AlphaGo和AlphaZero
10.1AlphaGo的结构和训练流程
10.2AlphaZero的结构与训练流程
10.3可行的优化
附录A Keras入门
附录B PyTorch入门
附录C 反向传播算法
C.1命名约定
C.2正文
C.3进一步讨论
C.4拓展
附录D 不同地区的围棋规则
D.1中国规则
D.2日本规则
D.3应氏规则
D.4新西兰规则
D.5美国规则
D.6智运会规则
D.7Tromp-Taylor规则
(1)问题驱动,由浅入深。
本书通过分解问题,由浅入深、逐步地对如何实践人类大师级水平的计算机棋类智能体的重要概念及原理进行讲解与探究,为读者更好地掌握其背后的计算机强化学习原理提供便利和支持。
(2)突出重点,强化理解。
本书结合作者多年的教学与实践经验,针对应用型的教学要求和学生特点,突出重点、深入分析,同时在内容方面全面兼顾知识的系统化要求。
(3)注重理论,联系实际。
本书为重要的知识点均配备了代码讲解,采用Python语言结合Keras和PyTorch工具库通过对围棋智能体的代码实践,加深对机器学习,特别是强化学习的再认识。
(4)风格简洁,使用方便。
本书风格简洁明快,对于非重点的内容不做长篇论述,以便读者在学习过程中明确内容之间的逻辑关系,更好地掌握深度强化学习的内容。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格