Обучение с подкреплением для реальных задач. Инженерный подход [для аналитиков данных и специалистов по искусственному интеллекту] : пер. с англ.

Обучение с подкреплением для реальных задач. Инженерный подход [для аналитиков данных и специалистов по искусственному интеллекту] : пер. с англ.

Библиографическая информация
Главный автор:	Уиндер, Фил
Формат:	Книга
Язык:	Russian
Публикация:	Санкт-Петербург БХВ-Петербург 2023
Предметы:	машинное обучение с подкреплением, концепции искусственный интеллект марковские процессы принятия решений динамическое программирование Монте-Карло методы машинное обучение с учетом временных различий Q-обучение алгоритмы n-шаговые Уоткинса алгоритм обучения машинное обучение глубокое, архитектура нейронные сети глубокие нейронные Q-сети глубокие оптимальная политика машинного обучения, методы градиента оптимальная политика машинного обучения, методы машинное обучение агента, улучшение процесса RL-проект, жизненный цикл машинное обучение с подкреплением, этапы машинное обучение с подкреплением, применение

Похожие документы

Компьютерное зрение. Современные методы и перспективы развития
Публикация: (2022)

Вероятностное машинное обучение введение
по: Мэрфи, Кэвин Патрик
Публикация: (2023)

Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow концепции, инструменты и техники для создания интеллектуальных систем : пер. с англ.
по: Жерон, Орельен
Публикация: (2019)

Глубокое обучение с подкреплением на Python OpenAl Gym и TensorFlow для профи
по: Равичандиран, Судхарсан
Публикация: (2020)

Python и машинное обучение машинное и глубокое обучение с использованием Python, scikit-learn и TensorFlow : пер. с англ.
по: Рашка, Себастьян
Публикация: (2019)

Основы машинного обучения для аналитического прогнозирования алгоритмы, рабочие примеры и тематические исследования : пер. с англ.
по: Келлехер, Джон Д
Публикация: (2019)

Глубокое обучение погружение в мир нейронных сетей
по: Николенко, Сергей Игоревич
Публикация: (2023)

Грокаем алгоритмы искусственного интеллекта
по: Харбанс, Ришал
Публикация: (2023)

Стегоанализ цифровых изображений с использованием глубоких нейронных сетей и гетероассоциативных интегральных преобразований
по: Дрюченко, Михаил Анатольевич

Глубокое обучение с подкреплением: теория и практика на языке Python
по: Грессер, Лаура
Публикация: (2022)

Глубокое обучение с подкреплением AplhaGo и другие технологии
по: Лапань, Максим
Публикация: (2020)

Введение в машинное обучение с помощью Python руководство для специалистов по работе с данными
по: Мюллер, Андреас
Публикация: (2019)

Инженерия машинного обучения
по: Бурков, Андрей
Публикация: (2022)

Интерпретируемое машинное обучение на Python научитесь создавать интерпретируемые высокопроизводительные модели на практических примерах из реальной жизни : пер. с англ.
по: Масис, Серг
Публикация: (2023)

Глубокое обучение с R и Keras Франсуа Шолле ; при участии Томаша Калиновски и Дж. Дж. Аллера ; пер. с англ. В. С. Яценкова
по: Шолле, Франсуа
Публикация: (2023)

Анализ нейронных сетей в телемедицине
по: Кузнецов, Денис Николаевич

Автоматическая генерация коротких текстов на основе применения нейронных сетей LSTM и SeqGAN
по: Кривошеев, Николай Анатольевич

Диагностика патологий по данным видеоэндоскопии с использованием ансамбля сверточных нейронных сетей

Прикладное машинное обучение без учителя с использованием Python
по: Пател, Анкур А.
Публикация: (2020)

Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных
по: Флах, Петер
Публикация: (2015)

Создание приложений машинного обучения от идеи к продукту
по: Амейзен, Эммануэль
Публикация: (2023)

Применение методов машинного обучения для классификации резонансного движения астероидов

Рандомизированное машинное обучение при ограниченных объемах данных. От эмпирической вероятности к энтропийной рандомизации [монография]
по: Попков, Юрий Соломонович 1937-
Публикация: (2019)

Детектирование звука сердечного сокращения при помощи методов машинного обучения
по: Файб, Семен Владимирович

Применение искусственных нейронных сетей в исследовании динамической структуры околоземного орбитального пространства
по: Красавин, Дмитрий Сергеевич

Terahertz time-domain spectroscopy of glioma patient blood plasma: Diagnosis and treatment

Физически информированное машинное обучение
по: Берцун, Артемий Николаевич

Построение различителей для итеративных блочных шифров на основе нейронных сетей
по: Перов, Артем Андреевич

Применение искусственных нейронных сетей в задачах анализа динамической структуры областей околоземного орбитального пространства
по: Красавин, Дмитрий Сергеевич

Генеративное глубокое обучение творческий потенциал нейронных сетей
по: Фостер, Дэвид
Публикация: (2020)

Математические основы машинного обучения и прогнозирования
по: Вьюгин, Владимир Вячеславович
Публикация: (2018)

Алгоритм обнаружения аномалий в технологических сигналах на основе нейронной сети с архитектурой автоэнкодер: автореферат диссертации ... кандидата технических наук: 2.3.5/
по: Мурзагулов, Д. А. Дамир Альбертович
Публикация: (2024)

Super-resolution reconstruction of noisy gas-mixture absorption spectra using deep learning

Статистические методы интеллектуального анализа данных [для инженеров, исследователей, студентов технических специальностей, преподавателей и аспирантов]
по: Мыльников, Леонид Александрович
Публикация: (2021)

Обнаружение аномалий технологических сигналов с использованием ансамбля классификаторов и вейвлет-преобразований
по: Мурзагулов, Дамир Альбертович

О возможности применения сверточных нейронных сетей к построению универсальных атак на итеративные блочные шифры
по: Перов, Артем Андреевич

Использование анализа семантической близости слов при решении задачи определения жанровой принадлежности текстов методами глубокого обучения
по: Батраева, Инна Александровна

Application of machine learning algorithms and laser absorption spectroscopy to solve the problem of determining components with a low concentration in multicomponent gas mixtures

Метод автоматического распознавания пешеходов в дорожной сцене по многокомпонентной доплеровской спектрограмме для радиолокационных систем беспилотного автотранспорта: диссертация ... кандидата технических наук: 01.04.04/
по: Плучевский, А. В. Андрей Владимирович
Публикация: (2019)

Метод автоматического распознавания пешеходов в дорожной сцене по многокомпонентной доплеровской спектрограмме для радиолокационных систем беспилотного автотранспорта: автореферат ... кандидата технических наук: 01.04.04/
по: Плучевский, А. В. Андрей Владимирович
Публикация: (2019)