Książki na temat „Reinforcement learning (Machine learning)”
Utwórz poprawne odniesienie w stylach APA, MLA, Chicago, Harvard i wielu innych
Sprawdź 50 najlepszych książek naukowych na temat „Reinforcement learning (Machine learning)”.
Przycisk „Dodaj do bibliografii” jest dostępny obok każdej pracy w bibliografii. Użyj go – a my automatycznie utworzymy odniesienie bibliograficzne do wybranej pracy w stylu cytowania, którego potrzebujesz: APA, MLA, Harvard, Chicago, Vancouver itp.
Możesz również pobrać pełny tekst publikacji naukowej w formacie „.pdf” i przeczytać adnotację do pracy online, jeśli odpowiednie parametry są dostępne w metadanych.
Przeglądaj książki z różnych dziedzin i twórz odpowiednie bibliografie.
S, Sutton Richard, red. Reinforcement learning. Boston: Kluwer Academic Publishers, 1992.
Znajdź pełny tekst źródłaSutton, Richard S. Reinforcement Learning. Boston, MA: Springer US, 1992.
Znajdź pełny tekst źródłaPack, Kaelbling Leslie, red. Recent advances in reinforcement learning. Boston: Kluwer Academic, 1996.
Znajdź pełny tekst źródłaSzepesvári, Csaba. Algorithms for reinforcement learning. San Rafael, Calif. (1537 Fourth Street, San Rafael, CA 94901 USA): Morgan & Claypool, 2010.
Znajdź pełny tekst źródłaKaelbling, Leslie Pack. Recent advances in reinforcement learning. Boston: Kluwer Academic, 1996.
Znajdź pełny tekst źródłaSutton, Richard S. Reinforcement learning: An introduction. Cambridge, Mass: MIT Press, 1998.
Znajdź pełny tekst źródłaKulkarni, Parag. Reinforcement and systemic machine learning for decision making. Hoboken, NJ: John Wiley & Sons, 2012.
Znajdź pełny tekst źródłaKulkarni, Parag. Reinforcement and Systemic Machine Learning for Decision Making. Hoboken, NJ, USA: John Wiley & Sons, Inc., 2012. http://dx.doi.org/10.1002/9781118266502.
Pełny tekst źródłaWhiteson, Shimon. Adaptive representations for reinforcement learning. Berlin: Springer Verlag, 2010.
Znajdź pełny tekst źródłaIWLCS 2006 (2006 Seattle, Wash.). Learning classifier systems: 10th international workshop, IWLCS 2006, Seattle, MA, USA, July 8, 2006, and 11th international workshop, IWLCS 2007, London, UK, July 8, 2007 : revised selected papers. Berlin: Springer, 2008.
Znajdź pełny tekst źródłaUnited States. National Aeronautics and Space Administration., red. Application of fuzzy logic-neural network based reinforcement learning to proximity and docking operations. [Houston, Tex.?]: Research Institute for Computing and Information Systems, 1992.
Znajdź pełny tekst źródłaUnited States. National Aeronautics and Space Administration., red. Application of fuzzy logic-neural network based reinforcement learning to proximity and docking operations: Special approach/docking testcase results. [Houston, Tex.]: Research Institute for Computing and Information Systems, University of Houston-Clear Lake, 1993.
Znajdź pełny tekst źródłaMerrick, Kathryn E. Motivated reinforcement learning: Curious characters for multiuser games. New York: Springer, 2009.
Znajdź pełny tekst źródłaLou, Maher Mary, red. Motivated reinforcement learning: Curious characters for multiuser games. New York: Springer, 2009.
Znajdź pełny tekst źródłaIEEE, International Symposium on Approximate Dynamic Programming and Reinforcement Learning (1st 2007 Honolulu Hawaii). 2007 IEEE Symposium on Approximate Dynamic Programming and Reinforcement Learning: Honolulu, HI, 1-5 April 2007. Piscataway, NJ: IEEE, 2007.
Znajdź pełny tekst źródłaHester, Todd. TEXPLORE: Temporal Difference Reinforcement Learning for Robots and Time-Constrained Domains. Heidelberg: Springer International Publishing, 2013.
Znajdź pełny tekst źródłaIEEE International Symposium on Approximate Dynamic Programming and Reinforcement Learning (1st 2007 Honolulu, Hawaii). 2007 IEEE Symposium on Approximate Dynamic Programming and Reinforcement Learning: Honolulu, HI, 1-5 April 2007. Piscataway, NJ: IEEE, 2007.
Znajdź pełny tekst źródłaIEEE International Symposium on Approximate Dynamic Programming and Reinforcement Learning (1st 2007 Honolulu, Hawaii). 2007 IEEE Symposium on Approximate Dynamic Programming and Reinforcement Learning: Honolulu, HI, 1-5 April 2007. Piscataway, NJ: IEEE, 2007.
Znajdź pełny tekst źródłaJaume, Bacardit, i IWLCS 2007 (2007 : London, England), red. Learning classifier systems: 10th international workshop, IWLCS 2006, Seattle, MA, USA, July 8, 2006, and 11th international workshop, IWLCS 2007, London, UK, July 8, 2007 : revised selected papers. Berlin: Springer, 2008.
Znajdź pełny tekst źródłaIWLCS 2006 (2006 Seattle, Wash.). Learning classifier systems: 10th international workshop, IWLCS 2006, Seattle, MA, USA, July 8, 2006, and 11th international workshop, IWLCS 2007, London, UK, July 8, 2007 : revised selected papers. Berlin: Springer, 2008.
Znajdź pełny tekst źródłaMarcus, Hutter, i SpringerLink (Online service), red. Recent Advances in Reinforcement Learning: 9th European Workshop, EWRL 2011, Athens, Greece, September 9-11, 2011, Revised Selected Papers. Berlin, Heidelberg: Springer Berlin Heidelberg, 2012.
Znajdź pełny tekst źródłaRieser, Verena. Reinforcement Learning for Adaptive Dialogue Systems: A Data-driven Methodology for Dialogue Management and Natural Language Generation. Berlin, Heidelberg: Springer-Verlag Berlin Heidelberg, 2011.
Znajdź pełny tekst źródłaWiering, Marco, i Martijn van Otterlo, red. Reinforcement Learning. Berlin, Heidelberg: Springer Berlin Heidelberg, 2012. http://dx.doi.org/10.1007/978-3-642-27645-3.
Pełny tekst źródłaSutton, Richard S., red. Reinforcement Learning. Boston, MA: Springer US, 1992. http://dx.doi.org/10.1007/978-1-4615-3618-5.
Pełny tekst źródłaSugiyama, Masashi. Statistical Reinforcement Learning. Taylor & Francis Group, 2020.
Znajdź pełny tekst źródłaSugiyama, Masashi. Statistical Reinforcement Learning. Taylor & Francis Group, 2015.
Znajdź pełny tekst źródłaMorimura, Tetsuro, Masashi Sugiyama i Hirotaka Hachiya. Statistical Reinforcement Learning: Modern Machine Learning Approaches. Taylor & Francis Group, 2012.
Znajdź pełny tekst źródłaSugiyama, Masashi. Statistical Reinforcement Learning: Modern Machine Learning Approaches. Taylor & Francis Group, 2015.
Znajdź pełny tekst źródłaSugiyama, Masashi. Statistical Reinforcement Learning: Modern Machine Learning Approaches. Taylor & Francis Group, 2015.
Znajdź pełny tekst źródłaGureckis, Todd M., i Bradley C. Love. Computational Reinforcement Learning. Redaktorzy Jerome R. Busemeyer, Zheng Wang, James T. Townsend i Ami Eidels. Oxford University Press, 2015. http://dx.doi.org/10.1093/oxfordhb/9780199957996.013.5.
Pełny tekst źródłaStatistical Reinforcement Learning. CRC Press, 2012.
Znajdź pełny tekst źródłaIntroduction to Deep Reinforcement Learning. Now Publishers, 2018.
Znajdź pełny tekst źródłaFeldspar, David. Reinforcement Learning: Machine Learning, Gamma, and Inventory Management. Independently Published, 2018.
Znajdź pełny tekst źródłaSutton, Richard S., i Andrew G. Barto. Reinforcement Learning: An Introduction. MIT Press, 1998.
Znajdź pełny tekst źródłaSutton, Richard S., Andrew G. Barto i Francis Bach. Reinforcement Learning: An Introduction. MIT Press, 2018.
Znajdź pełny tekst źródłaSutton, Richard S., i Andrew G. Barto. Reinforcement Learning: An Introduction. MIT Press, 1998.
Znajdź pełny tekst źródłaSutton, Richard S., i Andrew G. Barto. Reinforcement Learning: An Introduction. A Bradford Book, 2018.
Znajdź pełny tekst źródłaSutton, Richard S., Andrew G. Barto i Francis Bach. Reinforcement Learning: An Introduction. MIT Press, 2018.
Znajdź pełny tekst źródłaSutton, Richard S., i Andrew G. Barto. Reinforcement Learning: An Introduction. MIT Press, 1998.
Znajdź pełny tekst źródłaGatti, Christopher. Design of Experiments for Reinforcement Learning. Springer, 2016.
Znajdź pełny tekst źródłaGatti, Christopher. Design of Experiments for Reinforcement Learning. Springer, 2014.
Znajdź pełny tekst źródłaGatti, Christopher. Design of Experiments for Reinforcement Learning. Springer, 2014.
Znajdź pełny tekst źródłaGhavamzadeh, Mohammad, Shie Mannor, Joelle Pineau i Aviv Tamar. Bayesian Reinforcement Learning: A Survey. Now Publishers, 2015.
Znajdź pełny tekst źródłaTransfer In Reinforcement Learning Domains. Springer, 2009.
Znajdź pełny tekst źródłaOk, DoKyeong. A study of model-based average reward reinforcement learning. 1996.
Znajdź pełny tekst źródłaOk, DoKyeong. A study of model-based average reward reinforcement learning. 1996.
Znajdź pełny tekst źródłaZhang, Wei. Reinforcement learning for job-shop scheduling. 1996.
Znajdź pełny tekst źródłaSchwartz, H. M. Multi-Agent Machine Learning: A Reinforcement Approach. Wiley, 2014.
Znajdź pełny tekst źródłaSchwartz, H. M. Multi-Agent Machine Learning: A Reinforcement Approach. Wiley & Sons, Incorporated, John, 2014.
Znajdź pełny tekst źródłaSchwartz, H. M. Multi-Agent Machine Learning: A Reinforcement Approach. Wiley & Sons, Limited, John, 2014.
Znajdź pełny tekst źródła