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:

欢迎光临我们店铺!书籍都是正版全新书籍,欢迎下单~!!

本店所有商品

  • 音像Python深度强化学习:基于Chainer和OpenAIGym
  • 正版
    • 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:
    诺森图书音像专营店
    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:79.00
    • 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:31289336
    • 版次:1
    • 成品尺寸:暂无

    译者序<br/>前言<br/>章 引言 1<br/>1.1 深度强化学习可以做什么 1<br/>1.2 本书的结构 4<br/>1.3 框架:Chainer和ChainerRL 6<br/>1.4 Python的运行检查 6<br/>1.5 Chainer的安装 9<br/>1.6 ChainerRL的安装 12<br/>1.7 模拟器:OpenAI Gym 14<br/>第2章 深度学习 17<br/>2.1 什么是深度学习 17<br/>2.2 神经网络 18<br/>. 基于Chainer的神经网络 21<br/>..1 Chainer与神经网络的对应 24<br/>..2 Chainer程序 25<br/>.. 参数设置 26<br/>..4 创建数据 27<br/>..5 定义神经网络 27<br/>.. 各种声明 28<br/>.. 显示训练状态 28<br/>.. 保存训练状态 31<br/>.. 执行训练 32<br/>2.4 与神经网络的对应 32<br/>2.4.1 感知器 32<br/>2.4.2 5层神经网络(深度学习) 33<br/>2.4.3 计算输入中的1的数量 34<br/>2.5 基于深度神经网络的手写数字识别 35<br/>2.5.1 手写数字的输入格式 36<br/>2.5.2 深度神经网络的结构 39<br/>2.5.3 8×8的手写数字数据 41<br/>2.6 基于卷积神经网络的手写数字识别 43<br/>2.6.1 卷积 45<br/>2.6.2 激活函数 49<br/>2.6.3 池化 49<br/>2.6.4 执行 50<br/>2.7 一些技巧 53<br/>2.7.1 读取文件数据 54<br/>2.7.2 使用训练模型 55<br/>2.7.3 重启训练 56<br/>2.7.4 检查权重 56<br/>2.7.5 从文件中读取手写数字 57<br/>第3章 强化学习 59<br/>3.1 什么是强化学习 59<br/>3.1.1 有监督学习 60<br/>3.1.2 无监督学习 60<br/>3.1.3 半监督学习 60<br/>3.2 强化学习原理 61<br/>3.3 通过简单的示例来学习 61<br/>3.4 应用到学习问题中 63<br/>3.4.1 状态 63<br/>3.4.2 行动 63<br/>3.4.3 奖励 63<br/>3.4.4 值 64<br/>3.5 使用Python进行训练 67<br/>3.5.1 运行程序 67<br/>3.5.2 说明程序 69<br/>3.6 基于OpenAI Gym的倒立摆 73<br/>3.6.1 运行程序 73<br/>3.6.2 说明程序 74<br/>3.7 如何保存和加载值 79<br/>第4章 深度强化学习 81<br/>4.1 什么是深度强化学习 81<br/>4.2 对于鼠学问题的应用 83<br/>4.2.1 运行程序 83<br/>4.2.2 说明程序 85<br/>4.. 如何保存和读取智能体模型 91<br/>4.3 基于OpenAI Gym的倒立摆 91<br/>4.3.1 运行程序 91<br/>4.3.2 说明程序 92<br/>4.4 基于OpenAI Gym的太空侵略者 97<br/>4.5 基于OpenAI Gym的颠球 99<br/>4.5.1 运行程序 101<br/>4.5.2 说明程序 102<br/>4.6 对战游戏 109<br/>4.6.1 黑白棋 109<br/>4.6.2 训练方法 111<br/>4.6.3 变更盘面 121<br/>4.6.4 黑白棋实体 121<br/>4.6.5 如何与人类对战 1<br/>4.6.6 卷积神经网络的应用 127<br/>4.7 使用物理擎行模拟 128<br/>4.7.1 物理引擎 129<br/>4.7.2 运行程序 130<br/>4.7.3 说明程序 131<br/>4.8 物理引擎在颠球问题中的应用 132<br/>4.9 物理引擎在倒立摆问题中的应用 140<br/>4.10 物理引擎在机械臂问题中的应用 144<br/>4.11 使用深度强化学习方法 151<br/>4.11.1 深度强化学习的类型 151<br/>4.11.2 将训练方法更改为DDN 153<br/>4.11.3 将训练方法更改为PER-DN 153<br/>4.11.4 将训练方法更改为DDPG 153<br/>4.11.5 将训练方法更改为A3C 155<br/>第5章 实际环境中的应用 157<br/>5.1 使用摄像机观察环境(MNIST) 157<br/>5.1.1 摄像机设置 158<br/>5.1.2 通过卷积神经网络对摄像机图像进行分类 160<br/>5.1.3 使用图像大小为28×28的手写数字进行训练 163<br/>5.2 实际环境中的鼠学问题 164<br/>5.3 使用Raspberry Pi处理鼠学问题 168<br/>5.3.1 环境构建 169<br/>5.3.2 以输入输出为重点的简化 169<br/>5.3.3 使用摄像机测量环境 176<br/>5.4 使用Arduino + PC处理鼠学问题 181<br/>5.4.1 环境构建 182<br/>5.4.2 以输入输出为重点的简化 185<br/>5.4.3 使用摄像机测量环境 193<br/>5.5 使用Raspberry Pi + Arduino处理鼠学问题 197<br/>5.6 结语 201<br/>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