• Produktbild: Reinforcement Learning
  • Produktbild: Reinforcement Learning
Band 173 - 12%

Reinforcement Learning

12% sparen

187,99 € UVP 213,99 €

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

31.05.1992

Abbildungen

172 p.

Herausgeber

Richard S. Sutton

Verlag

Springer Us

Seitenzahl

172

Maße (L/B/H)

24,1/16/1,5 cm

Gewicht

442 g

Auflage

Reprinted from `MACHINE LEARNING', 8: 3/4, 1992

Sprache

Englisch

ISBN

978-0-7923-9234-7

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

31.05.1992

Abbildungen

172 p.

Herausgeber

Richard S. Sutton

Verlag

Springer Us

Seitenzahl

172

Maße (L/B/H)

24,1/16/1,5 cm

Gewicht

442 g

Auflage

Reprinted from `MACHINE LEARNING', 8: 3/4, 1992

Sprache

Englisch

ISBN

978-0-7923-9234-7

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Ein neues Kapitel für Ihre Bücher

Ein neues Kapitel für Ihre Bücher

Schenken Sie Ihren alten Schätzen ein zweites Leben und erhalten dafür eine Thalia Geschenkkarte.

Jetzt verkaufen
Jetzt verkaufen

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

Die Leseprobe wird geladen.
  • Produktbild: Reinforcement Learning
  • Produktbild: Reinforcement Learning
  • Reinforcement Learning.- A Special Issue of Machine Learning on Reinforcement Learning.- Introduction: The Challenge of Reinforcement Learning.- Simple Statistical Gradient-Following Algorithms for Connectionist Reinforcement Learning.- Practical Issues in Temporal Difference Learning.- Technical Note: Q-Learning.- Self-Improving Reactive Agents Based on Reinforcement Learning, Planning and Teaching.- Transfer of Learning by Composing Solutions of Elemental Sequential Tasks.- The Convergence of TD(?) for General ?.- A Reinforcement Connectionist Approach to Robot Path Finding in Non-Maze Like Environments.