- Hauptmenü-

Katalogdatenanzeige

Deep Reinforcement Learning: das umfassende Praxis-Handbuch

Kataloginformation Katalogdatensatz500367911 .

Kataloginformation
Feldname	Details
Vorliegende Sprache	ger
Hinweise auf parallele Ausgaben	167730183X Erscheint auch als (Druck-Ausgabe): ‡Lapan, Maxim: Deep Reinforcement Learning
ISBN	978-3-7475-0036-1
Name	Lapan, Maxim ¬[VerfasserIn]¬
T I T E L	Deep Reinforcement Learning
Zusatz zum Titel	das umfassende Praxis-Handbuch
Auflage	1. Auflage
Verlagsort	Frechen
Verlag	mitp
Erscheinungsjahr	2020
Erscheinungsjahr	2020
Umfang	1 Online-Ressource (770 Seiten)
Notiz / Fußnoten	Zusatzangaben auf dem Cover: Moderne Algorithmen für Chatbots, Robotik, diskrete Optimierung und Web-Automatisierung inkl. Multiagenten-Methoden
Notiz / Fußnoten	Description based on publisher supplied metadata and other sources.
Titelhinweis	Erscheint auch als (Druck-Ausgabe): ‡Lapan, Maxim: Deep Reinforcement Learning
ISBN	ISBN 978-3-7475-0037-8
Klassifikation	006.31
	ST 301
	ST 300
Kurzbeschreibung	Cover -- Titel -- Impressum -- Inhaltsverzeichnis -- Über den Autor -- Über die Korrektoren -- Über den Fachkorrektor der deutschen Ausgabe -- Einleitung -- Teil I: Grundlagen des Reinforcement Learnings -- Kapitel 1: Was ist Reinforcement Learning? -- 1.1 Überwachtes Lernen -- 1.2 Unüberwachtes Lernen -- 1.3 Reinforcement Learning -- 1.4 Herausforderungen beim Reinforcement Learning -- 1.5 RL-Formalismen -- 1.5.1 Belohnung -- 1.5.2 Der Agent -- 1.5.3 Die Umgebung -- 1.5.4 Aktionen -- 1.5.5 Beobachtungen -- 1.6 Die theoretischen Grundlagen des Reinforcement Learnings -- 1.6.1 Markov-Entscheidungsprozesse -- 1.6.2 Markov-Prozess -- 1.6.3 Markov-Belohnungsprozess -- 1.6.4 Aktionen hinzufügen -- 1.6.5 Policy -- 1.7 Zusammenfassung -- Kapitel 2: OpenAI Gym -- 2.1 Aufbau des Agenten -- 2.2 Anforderungen an Hard- und Software -- 2.3 OpenAI-Gym-API -- 2.3.1 Aktionsraum -- 2.3.2 Beobachtungsraum -- 2.3.3 Die Umgebung -- 2.3.4 Erzeugen der Umgebung -- 2.3.5 Die CartPole-Sitzung -- 2.4 Ein CartPole-Agent nach dem Zufallsprinzip -- 2.5 Zusätzliche Gym-Funktionalität: Wrapper und Monitor -- 2.5.1 Wrapper -- 2.5.2 Monitor -- 2.6 Zusammenfassung -- Kapitel 3: Deep Learning mit PyTorch -- 3.1 Tensoren -- 3.1.1 Tensoren erzeugen -- 3.1.2 Skalare Tensoren -- 3.1.3 Tensor-Operationen -- 3.1.4 GPU-Tensoren -- 3.2 Gradienten -- 3.2.1 Tensoren und Gradienten -- 3.3 NN-Bausteine -- 3.4 Benutzerdefinierte Schichten -- 3.5 Verlustfunktionen und Optimierer -- 3.5.1 Verlustfunktionen -- 3.5.2 Optimierer -- 3.6 Monitoring mit TensorBoard -- 3.6.1 Einführung in TensorBoard -- 3.6.2 Plotten -- 3.7 Beispiel: GAN für Bilder von Atari-Spielen -- 3.8 PyTorch Ignite -- 3.8.1 Konzepte -- 3.9 Zusammenfassung -- Kapitel 4: Das Kreuzentropie-Verfahren -- 4.1 Klassifikation von RL-Verfahren -- 4.2 Kreuzentropie in der Praxis -- 4.3 Kreuzentropie beim CartPole.
1. Schlagwortkette	Deep learning
1. Schlagwortkette	Bestärkendes Lernen <Künstliche Intelligenz>
ANZEIGE DER KETTE	Deep learning -- Bestärkendes Lernen
2. Schlagwortkette	Deep learning
ANZEIGE DER KETTE	Deep learning
SWB-Titel-Idn	1800122381
Signatur	E-Book ProQuest
Bemerkungen	Elektronischer Volltext - Campuslizenz
Elektronische Adresse	$uhttps://ebookcentral.proquest.com/lib/fhzwickau/detail.action?docID=6947779
Internetseite / Link	Aggregator

ISBD-Anzeige Katalogdatensatz500367911

Kategorien-Anzeige Katalogdatensatz500367911

Titel zur Titelsammlung hinzufügen Katalogdatensatz500367911

Kataloginformation500367911 Datensatzanfang . Kataloginformation500367911 Seitenanfang .

Titel vormerken Katalogdatensatz500367911

Vollanzeige Katalogdaten

Auf diesem Bildschirm erhalten Sie Katalog- und Exemplarinformationen zum ausgewählten Titel.

Im Bereich Kataloginformation werden die bibliographischen Details angezeigt. Per Klick auf Hyperlink-Begriffe wie Schlagwörter, Autoren, Reihen, Körperschaften und Klassifikationen können Sie sich weitere Titel des gewählten Begriffes anzeigen lassen.

Der Bereich Exemplarinformationen enthält zum einen Angaben über den Standort und die Verfügbarkeit der Exemplare. Zum anderen haben Sie die Möglichkeit, ausgeliehene Exemplare vorzumerken oder Exemplare aus dem Magazin zu bestellen.