机读格式显示(MARC)

• 000 01824nam 2200373 450

• 001 0000390448

• 005 20210520105300.0

• 010 __ |a 978-7-302-56204-7 |d CNY89.00

• 099 __ |a CAL 012021020952

• 100 __ |a 20210312d2021 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 深度学习 |A shen du xue xi |e 从神经网络到深度强化学习的演进 |d = Deep learning |e evolution from neural networks to deep reinforcement learning |f 魏翼飞, 汪昭颖, 李骏编著 |z eng

• 210 __ |a 北京 |c 清华大学出版社 |d 2021

• 215 __ |a 338页 |c 图 |d 26cm

• 225 2_ |a 人工智能科学与技术丛书 |A ren gong zhi neng ke xue yu ji shu cong shu

• 320 __ |a 有书目 (第332-338页)

• 330 __ |a 本书首先简单介绍机器学习、深度学习、强化学习的分类和基本概念；然后详细介绍深度学习的基本理论和算法，包括神经网络的关键技术、卷积神经网络的主要框架和应用实例、循环神经网络的模型和应用、深层神经网络的优化方法、深度学习模型的轻量化方案以及移动端深度学习案例；之后阐述强化学习的基本理论和算法，包括马尔科夫决策及传统强化学习算法、新型的多智能体学习、多任务学习等演进技术；最后探讨了深度学习与强化学习结合的设计思路及算法应用，介绍了迁移学习的概念及应用，介绍了深度学习在通信网络中的应用情况。

• 410 _0 |1 2001 |a 人工智能科学与技术丛书

• 510 1_ |a Deep learning |e evolution from neural networks to deep reinforcement learning |z eng

• 517 1_ |a 从神经网络到深度强化学习的演进 |A cong shen jing wang luo dao shen du qiang hua xue xi de yan jin

• 606 0_ |a 人工神经网络 |A ren gong shen jing wang luo

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP183 |v 5

• 690 __ |a TP181 |v 5

• 701 _0 |a 魏翼飞 |A wei yi fei |4 编著

• 701 _0 |a 汪昭颖 |A wang zhao ying |4 编著

• 701 _0 |a 李骏 |A li jun |4 编著

• 801 _0 |a CN |b NMU |c 20210312

• 905 __ |a XATU |d TP183/135

• 920 __ |a 261060 |z 1

• 998 __ |a NMU