机读格式显示(MARC)

• 000 01762nam0 2200301 450

• 001 0000746352

• 005 20191014091000.0

• 010 __ |a 978-7-115-50532-3 |d CNY99.00

• 100 __ |a 20190614d2019 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 深度强化学习原理与实践 |A shen du qiang hua xue xi yuan li yu shi jian |d = Deep reinforcement learning principles and practices |f 陈仲铭, 何明著 |z eng

• 210 __ |a 北京 |c 人民邮电出版社 |d 2019

• 215 __ |a 341页 |c 图 |d 24cm

• 314 __ |a 陈仲铭，男，西安电子科技大学硕士，OPPO研究院人工智能算法研究员。主要研究方向为强化学习与深度学习、数据挖掘、图像算法及其应用。曾参与激光点云三维扫描、个性化推荐系统、多传感器融合系统等大型项目，多次获创新项目奖，并在国内外发表多篇相关论文。著有《深度学习原理与实践》一书。

• 314 __ |a 何明，男，重庆大学学士，中国科学技术大学博士，曾于美国北卡罗来纳大学夏洛特分校访问交流，目前为上海交通大学电子科学与技术方向博士后研究人员、OPPO研究院人工智能算法研究员。在TIP、TWEB、DASFAA、IEEEAccess等国际学术会议和期刊共发表论文10余篇，曾获数据挖掘领域国际会议KSEM2018论文奖。

• 320 __ |a 有书目 (第336-341页)

• 330 __ |a 本书将从数学和方法的角度分别阐述强化学习的内容。从数学基础讲起，通过简单的环境模型来逐步展开强化学习的内容。每章至少会有一个案例来辅助读者深入理解相关的知识点，涵盖目前的热点应用，例如图像风格创造、图像检测、语音识别等。最后一章利用一个大型的深度案例(AlphaGo围棋)来总结全书内容，达到活学活用的目的。

• 510 1_ |a Deep reinforcement learning principles and practices |z eng

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

• 690 __ |a TP181 |v 5

• 701 _0 |a 陈仲铭 |A chen zhong ming |4 著

• 701 _0 |a 何明 |A he ming |4 著

• 801 _0 |a CN |b HDUL |c 20191014

• 905 __ |a HDUL |d TP181/728.2

• 920 __ |a 233030 |z 1