机读格式显示(MARC)

• 000 02027nam 2200397 450

• 001 0000606963

• 005 20221007150400.0

• 010 __ |a 978-7-111-68933-1 |d CNY119.00

• 099 __ |a CAL 012021118858

• 100 __ |a 20211025d2021 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a af a 000yy

• 106 __ |a r

• 200 1_ |a 深度强化学习 |A shen du qiang hua xue xi |e 基于Python的理论及实践 |f (美) 劳拉·格雷泽, 龚辉伦著 |d = Foundations of deep reinforcement learning |e theory and practice in python |f Laura Graesser, Wah Loon Keng |g 许静 ... [等] 译 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2021

• 215 __ |a XIII, 281页, [12] 页图版 |c 图 (部分彩图) |d 26cm

• 225 2_ |a 智能科学与技术丛书 |A zhi neng ke xue yu ji shu cong shu

• 304 __ |a 题名页题其余译者: 过辰楷, 金骁, 刘磊, 朱静雯

• 305 __ |a 据原书2020年英文版译出

• 306 __ |a 本书中文简体字版由Pearson Education授权出版

• 320 __ |a 有书目 (第274-281页)

• 330 __ |a 本书围绕深度强化学习进行讲解，结构合理有序，内容重点突出，理论结合实践，全面讨论了深度强化学习的研究成果及实践工具。本书分为四部分，共17章，涉及的主要内容包括：REINFORCE、SARSA、深度Q网络、改进的深度Q网络、优势演员-评论家算法、近端策略优化算法、并行方法、深度强化学习工程实践、SLM Lab、神经网络架构、硬件、状态、动作、奖励、转换函数等。 本书可以作为高等院校人工智能、计算机、大数据等相关专业的本科或研究生教材，也可以作为人工智能相关领域的研究人员和技术人员的参考书籍。

• 410 _0 |1 2001 |a 智能科学与技术丛书

• 500 10 |a Foundations of deep reinforcement learning : theory and practice in python |m Chinese

• 517 1_ |a 基于Python的理论及实践 |A ji yu Python de li lun ji shi jian

• 606 0_ |a 软件工具 |A ruan jian gong ju |x 程序设计

• 690 __ |a TP311.561 |v 5

• 701 _1 |a 格雷泽 |A ge lei ze |g (Graesser, Laura) |4 著

• 701 _0 |a 龚辉伦 |A gong hui lun |g (Wah Loon Keng) |4 著

• 702 _0 |a 许静 |A xu jing |4 译

• 702 _0 |a 过辰楷 |A guo chen kai |4 译

• 702 _0 |a 金骁 |A jin xiao |4 译

• 801 _0 |a CN |b CAU |c 20221007

• 905 __ |a CAU |d TP311.561/475

• 920 __ |a 211180 |z 1