机读格式显示(MARC)

• 000 01927nam0 2200349 450

• 001 0000691313

• 005 20190610174300.0

• 010 __ |a 978-7-115-50830-0 |d CNY129.00

• 099 __ |a CAL 012019059321

• 100 __ |a 20190508d2019 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 基于函数逼近的强化学习与动态规划 |A ji yu han shu bi jin de qiang hua xue xi yu dong tai gui hua |f (罗) 卢西恩·布索尼 ... [等] 著 |d = Reinforcement learning and dynamic programming using function approximators |f Lucian Busoniu |g 刘全, 傅启明, 章宗长译 |z eng

• 210 __ |a 北京 |c 人民邮电出版社 |d 2019

• 215 __ |a 249页 |c 图 |d 24cm

• 306 __ |a 由Taylor & Francis出版集团旗下CRC出版社出版

• 314 __ |a 卢西恩·布索尼，荷兰代尔夫特理工大学代尔夫特系统与控制中心博士后研究员。刘全，苏州大学教授、博士生导师。2004年毕业于吉林大学计算机软件与理论专业，获博士学位。傅启明，硕士生导师、苏州科技大学优秀青年骨干教师。章宗长，苏州大学副教授、硕士生导师，于2012年在中国科学技术大学获博士学位。

• 320 __ |a 有书目 (第232-249页)

• 330 __ |a 本书讨论大规模连续空间的强化学习理论及方法，重点介绍使用函数逼近的强化学习和动态规划方法。该研究已成为近年来计算机科学与技术领域中最活跃的研究分支之一。全书共分6章。第1章为概述；第2章为动态规划与强化学习介绍；第3章为大规模连续空间中的动态规划与强化学习；第4章为基于模糊表示的近似值迭代；第5章为用于在线学习和连续动作控制的近似策略迭代；第6章为基于交叉熵基函数优化的近似策略搜索。

• 510 1_ |a Reinforcement learning and dynamic programming using function approximators |z eng

• 606 0_ |a 机器学习 |A ji qi xue xi |x 研究

• 606 0_ |a 动态规划 |A dong tai gui hua |x 研究

• 690 __ |a TP181 |v 5

• 701 _1 |a 布索尼 |A bu suo ni |g (Busoniu, Lucian) |4 著

• 702 _0 |a 刘全 |A Liu Quan |4 译

• 702 _0 |a 傅启明 |A Fu Qiming |4 译

• 702 _0 |a 章宗长 |A Zhang Zongchang |4 译

• 801 _0 |a CN |b NEU |c 20190508

• 905 __ |a SCNU |f TP181/1570

• 920 __ |a 242430 |z 1