Andere Kunden interessierten sich auch für
![Reinforcement Learning in der Roboter-Navigation]( "Reinforcement Learning in der Roboter-Navigation")
Reinforcement Learning in der Roboter-Navigation59,00 €![Reinforcement Learning und Support Vector Machines]( "Reinforcement Learning und Support Vector Machines")
Reinforcement Learning und Support Vector Machines49,00 €![Adaptive Representations for Reinforcement Learning]( "Adaptive Representations for Reinforcement Learning")
Adaptive Representations for Reinforcement Learning77,99 €![Adaptive Representations for Reinforcement Learning]( "Adaptive Representations for Reinforcement Learning")
Adaptive Representations for Reinforcement Learning77,99 €![Szenenerkennung mittels hierarchischer Implicit Shape Models]( "Szenenerkennung mittels hierarchischer Implicit Shape Models")
Szenenerkennung mittels hierarchischer Implicit Shape Models39,90 €![Machine Learning Applications Using Python]( "Machine Learning Applications Using Python")
Machine Learning Applications Using Python52,99 €![An Introduction to Support Vector Machines and Other Kernel-based Learning Methods]( "An Introduction to Support Vector Machines and Other Kernel-based Learning Methods")
An Introduction to Support Vector Machines and Other Kernel-based Learning Methods99,99 €
Inhaltlich unveränderte Neuauflage. Das Buch beschreibt die Entwicklung eines intelligenten Agenten, der unter Einsatz eines innovativen KI-Konzeptes lernt, das Brettspiel Kono zu spielen. Als junges und ungelöstes Teilgebiet der Künstlichen Intelligenz bietet Reinforcement Learning (RL) eine ideale Realisierungsgrundlage. Bereits seit den Anfängen des RL erfolgt die Erkundung seiner Potenziale bevorzugt auf dem Terrain der Spiele. Inspiriert durch Dr. Gerald Tesauros TD-Gammon kon-zentriert sich die von der Autorin Jenny Schirmer vorgestellte Lösung auf die Anwendung des TD(lambda)-Algorithmus in Verbindung mit Neuronalen Netzen. Vergleichend wird eine simplere als Q-Lernen bekannte RL-Methode untersucht. Neben ausführlichen Erläuterungen zu Theorie und Praxis der Problemlösung gewährt sie Einblick in RL-Erfolge der letzten 10 Jahre und Status Quo im RL-Spiele-Sektor. Die durch die Implementierung gewonnenen Erkenntnisse werden den bisher geläufigen Formalismen für den erfolgreichen Einsatz des TD(lambda)-Lernens gegenübergestellt und Anpassungsmaßnah-men der Realisierungsmethodik abgeleitet. Das Buch richtet sich an Interessenten moderner KI-Ansätze und eignet sich als Forschungsgrundlage und Nachschlagewerk gleichermaßen.