| 名称: | |
| 描述: | |
| 公开/私有: | 公开 私有 |
| 标题: | |
| 描述: | |
| 公开/私有: | 公开 私有 |
- 云塘馆社科四库(五楼西) (10)
- B馆文学书库(四楼) (8)
- 云塘馆社科三库(五楼东) (5)
- A馆文学书库(二楼) (3)
- A馆社科书库（三楼） (2)
- 云塘馆自科三库(二楼东) (2)
- 云塘馆样本书阅览室(七楼)(不外借) (2)
- A馆综合书库(三楼) (1)
- A馆自科书库（二楼） (1)
- B馆社科书库(二楼) (1)
- 云塘馆自科一库(六楼东) (1)
- 云塘馆密集书库1（联系二楼总还书台借书） (1)
- 云塘馆密集书库2（联系二楼总还书台借书） (1)
馆藏地点
- 德国 (6)
- 现代 (6)
- 长篇小说 (6)
- 中篇小说 (3)
- 小说 (2)
- 英文 (2)
- 世界 (1)
- 关系数据库 (1)
- 叶芝 (1)
- 回忆录 (1)
- 幂等矩阵 (1)
- 建筑设计 (1)
- 控制过程-线性方程-数学理论 (1)
- 数学分析 (1)
- 数据挖掘 (1)
- 本书主要内容包括: 介绍了强化学习的基本概念, 如智能体、环境、状态、奖励、动作等; 介绍了强化学习的数学和算法原理, 如马尔可夫决策过程和贝尔曼方程, 并在此基础上讨论了动态规划、值迭代和策略迭代方法; 介绍了强化学习的估计与控制问题, 并通过实例展示了q学习的编程; 深入探讨了深度学习的概念、架构机制, 通过介绍激活函数、损失函数、优化器、卷积层、池化层、全连接层等概念, 为后续章节与强化学习算法相结合作铺垫。 (1)
- 本书从强化学习最基本的概念开始介绍，将介绍基础的分析工具，包括贝尔曼公式和贝尔曼最优公式，然后推广到基于模型的和无模型的强化学习算法，最后推广到基于函数逼近的强化学习方法。本书强调从数学的角度引入概念、分析问题、分析算法，并不强调算法的编程实现。本书不要求读者具备任何关于强化学习的知识背景，仅要求读者具备一定的概率论和线性代数的知识。如果读者已经具备强化学习的学习基础，本书可以帮助读者更深入地理解一些问题并提供新的视角。 (1)
- 本书首先介绍python和jupyter笔记本的基础知识，然后逐一介绍丰富的、与数据科学相关的python库，并举例说明如何在实际工作中运用python。本书将python和数据科学融合起来，帮助读者快速入门python并使用python完成数据分析相关任务，是实用的快速上手教程。 (1)
- 机器学习 (1)
- 沙丘 (1)
主题
| 1. |
|
|
|
| 2. |
|
|
|
| 3. |
|
|
|
| 4. |
|
|
|
| 5. |
|
|
|
| 6. |
|
|
|
| 7. |
|
|
|
| 8. |
|
|
|
| 9. |
|
|
|
| 10. |
|
|
