Skip to main content
SpringerLink
Log in
Book cover

Reinforcement Learning

Aktuelle Ansätze verstehen - mit Beispielen in Java und Greenfoot

  • Book
  • © 2020

Overview

Authors:
  1. Uwe Lorenz

    1. Neckargemünd, Germany

    View author publications

    You can also search for this author in PubMed   Google Scholar

  • Mit Beispielübungen in Java und Greenfoot
  • Das Buch führt in die wichtigsten Lernalgorithmen allgemein verständlich ein
  • Bereitet das Thema auch für interessierte Kreise außerhalb des akademischen Betriebs auf

This is a preview of subscription content, log in via an institution to check access.

Access this book

Log in via an institution
eBook USD 39.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover + eBook USD 49.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info
  • Available as EPUB and PDF

Tax calculation will be finalised at checkout

Other ways to access

Licence this eBook for your library

Institutional subscriptions

Table of contents (6 chapters)

  1. Front Matter

    Pages I-XVIII
    Download chapter PDF

  2. Bestärkendes Lernen als Teilgebiet des Maschinellen Lernens

    • Uwe Lorenz
    Pages 1-11

  3. Grundbegriffe des Bestärkenden Lernens

    • Uwe Lorenz
    Pages 13-20

  4. Optimal entscheiden in einer bekannten Umwelt

    • Uwe Lorenz
    Pages 21-49

  5. Entscheiden und Lernen in einer unbekannten Umwelt

    • Uwe Lorenz
    Pages 51-116

  6. Schätzer für Zustandsbewertung und Aktionsauswahl

    • Uwe Lorenz
    Pages 117-160

  7. Leitbilder in der Künstlichen Intelligenz

    • Uwe Lorenz
    Pages 161-170
Back to top

Keywords

About this book

In uralten Spielen wie Schach oder Go können sich die brillantesten Spieler verbessern, indem sie die von einer Maschine produzierten Strategien studieren. Robotische Systeme üben ihre Bewegungen selbst. In Arcade Games erreichen lernfähige Agenten innerhalb weniger Stunden übermenschliches Niveau. Wie funktionieren diese spektakulären Algorithmen des bestärkenden Lernens? Mit gut verständlichen Erklärungen und übersichtlichen Beispielen in Java und Greenfoot können Sie sich die Prinzipien des bestärkenden Lernens aneignen und in eigenen intelligenten Agenten anwenden. Greenfoot (M.Kölling, King’s College London) und das Hamster-Modell (D.Bohles, Universität Oldenburg) sind einfache aber auch mächtige didaktische Werkzeuge, die entwickelt wurden, um Grundkonzepte der Programmierung zu vermitteln. Wir werden Figuren wie den Java-Hamster zu lernfähigen Agenten machen, die eigenständig ihre Umgebung erkunden.



Authors and Affiliations

  • Neckargemünd, Germany

    Uwe Lorenz

About the author

Nach seinem Studium der Informatik und Philosophie mit Schwerpunkt künstliche Intelligenz und maschinelles Lernen an der Humboldt-Universität in Berlin und einigen Jahren als Projektingenieur ist Uwe Lorenz derzeit als Gymnasiallehrer für Informatik und Mathematik tätig. Seit seinem Erstkontakt mit Computern Ende der 80er Jahre hat ihn das Thema Künstliche Intelligenz nicht mehr losgelassen.

Bibliographic Information

  • Book Title: Reinforcement Learning

  • Book Subtitle: Aktuelle Ansätze verstehen - mit Beispielen in Java und Greenfoot

  • Authors: Uwe Lorenz

  • DOI: https://doi.org/10.1007/978-3-662-61651-2

  • Publisher: Springer Vieweg Berlin, Heidelberg

  • eBook Packages: Computer Science and Engineering (German Language)

  • Copyright Information: Der/die Herausgeber bzw. der/die Autor(en), exklusiv lizenziert an Springer-Verlag GmbH, DE, ein Teil von Springer Nature 2020

  • Softcover ISBN: 978-3-662-61650-5Published: 03 September 2020

  • eBook ISBN: 978-3-662-61651-2Published: 02 September 2020

  • Edition Number: 1

  • Number of Pages: XVIII, 170

  • Number of Illustrations: 27 b/w illustrations, 57 illustrations in colour

  • Topics: Coding and Information Theory, Data Mining and Knowledge Discovery, Computer Applications, Java

Publish with us

Policies and ethics

Back to top

Search

Navigation