诺森图书音像专营店
  • 扫码下单

  • 音像强化学习实战——从零开始制作AlphaGo围棋 微课视频版刘佳
  • 正版
    • 作者: 刘佳著 | 刘佳编 | 刘佳译 | 刘佳绘
    • 出版社: 清华大学出版社
    • 出版时间:2023-04-01
    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
    /
    ×

    店铺装修中

    商家:
    诺森图书音像专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    诺森图书音像专营店

  • 商品参数
    • 作者: 刘佳著| 刘佳编| 刘佳译| 刘佳绘
    • 出版社:清华大学出版社
    • 出版时间:2023-04-01
    • 版次:1
    • 印次:1
    • 字数:305000
    • 页数:200
    • 开本:16开
    • ISBN:9787302629696
    • 版权提供:清华大学出版社
    • 作者:刘佳
    • 著:刘佳
    • 装帧:平装
    • 印次:1
    • 定价:69.90
    • ISBN:9787302629696
    • 出版社:清华大学出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2023-04-01
    • 页数:200
    • 外部编号:1202874126
    • 版次:1
    • 成品尺寸:暂无

    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。

    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