加载中...
扫一扫
下载苏宁易购APP
关注苏宁推客公众号
自购省钱·分享赚钱
下载苏宁金融APP
关注苏宁易购服务号
用户评价:----
物流时效:----
售后服务:----
欢迎光临我们店铺!书籍都是正版全新书籍,欢迎下单~!!
实名认证领苏宁支付券立即领取 >
¥
提前抢
SUPER会员专享
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!
欢迎光临本店铺
点我可查看更多商品哦~
100%刮中券,最高50元无敌券,券有效期7天
亲,今日还有0次刮奖机会
我的云钻:0
您的云钻暂时不足,攒足云钻再来刮
恭喜获得1张券!
今天的机会已经全部用完了,请明天再来
恭喜刮出两张券,请选择一张领取
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。
音像强化学习与深度学习:通过C语言模拟[日]小高 知宏
¥ ×1
商品
服务
物流
目 录 译者序 原书前言 章 强化学习和深度学习 1.1 机器学习和强化学习 1.1.1 人工智能 1.1.2 机器学习 1.1.3 强化学习 1.2 深度学习 1.2.1 神经网络 1.2.2 深度学习的出现 1.3 深度强化学习 1.3.1 深度强化学习概述 1.3.2 深度强化学习的实现 1.3.3 基本机器学统的搭建实例———例题程序的执行方法 第2章 强化学习的实例 2.1 强化学习和学习 2.1.1 强化学习的基本思想 2.1.2 学习的算法 2.2 学习实例 2.2.1 q21.c编程实例 2.2.2 目标探寻问题的学习程序 第3章 深度学习技术 3.1 实现深度学习的技术 3.1.1 神经细胞的活动和阶层型 神经网络 3.1.2 阶层型神经网络的学习 3.1.3 阶层型神经网络的编程实 例(1):单个神经细胞的学习程序nn1.c 3.1.4 阶层型神经网络的编程实 例(2):基于误差逆传播法的神经网络学习程序nn2.c 3.1.5 阶层型神经网络的编程实 例(3):具有多个输出的神经网络学习程序nn3.c 3.2 基于卷积神经网络的学习 3.2.1 卷积神经网络的算法 3.2.2 卷积神经网络的编程实例 第4章 深度强化学习 4.1 基于强化学习和深度学习融合的深度强化学习 1 4.1.1 在学习中应用神经网络 4.1.2 学与经网络的融合 4.2 深度强化学习的编程实例 4.2.1 岔路选择问题的深度强化学 习程序q21dl.c 4.2.2 目标探寻问题的深度强化学 习程序q22dl.c 参考文献
原书前言 近年来,被称为“深度学习”的机器学习方法在诸多领域取得了成功。深度学习诞生 之初,在图像处理领域中为图像识别率取得历史突破做出了大的贡献。随后,随着深 度学习的不断发展,深度学习不局限于应用在图像处理领域,在各种各样的机器学习应用领 域都取得了显著的成果。 在深度学习的成功案例中,有一个基于强化学习的深度学习技术应用方向。强化学习是 单纯从一系列行动的结果进行行动知识学习的方法。在强化学习中引入深度学习的方法,一 般我们称为深度强化学习。关于深度强化学习成功案例的应用报道多,例如,通过运用 深度强化学习,计算机能够在汽车转向盘操控方面获得人类的技能;通过运用深度强化 学习,可以制造出能够打败围棋世界的AI围棋棋手等。 本书首先对强化学习和深度学习的基础知识进行介绍,然后在此基础上,再对深度强化 学习的原理和机制进行具体说明。同时,本书不仅仅是在概念上的说明,而是对具体算法用 C语言进行了编码和实现,通过实际运行代码的方式去深入理解每一步的具体处理方法。,本书能够顺利成书,离不开作者在福井大学的教育科研活动中取得的经验。在此 向福井大的各教职工和学生表示衷心的感谢。另外,借成书之际,也特别对Ohmsha出 版社的各位编辑表示由衷的感谢。,我也要感谢支持我写作的家人们。 小高知宏 2017年9月
在人工智能的学习热潮中,深度学习和强化学习无疑是*亮眼的两个明星。掌握深度学习原理,理解强化学习概念,对于能够在人工智能发展中立于有利之地的您,无疑是必须且很好重要的。《强化学习与深度学习:通过C语言模拟》不仅综合了两种学习的概念,更重要是给出了多个有趣且生动的案例,为您的学铺了道路。
抢购价:¥ 38.00
易购价:¥ 38.00
注:参加抢购将不再享受其他优惠活动
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~
验证码错误
看不清楚?换一张
确定关闭
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~
查看我的收藏夹
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
继续等待
0小时0分
立即开通
SUPER会员