Reinforcement Learning

Aktuelle Ansätze verstehen - mit Beispielen in Java und Greenfoot

Authors: Lorenz, Uwe

Free Preview
  • 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
  • Spektakuläre Ergebnisse bei der Anwendung von KI basieren auf der Anwendung von Reinforcement Algorithmen
see more benefits

Buy this book

eBook 24,99 €
price for Spain (gross)
  • ISBN 978-3-662-61651-2
  • Digitally watermarked, DRM-free
  • Included format: PDF, EPUB
  • ebooks can be used on all reading devices
  • Immediate eBook download after purchase
Softcover + eBook 32,07 €
price for Spain (gross)
  • ISBN 978-3-662-61650-5
  • Immediate eBook download after purchase
  • Digitally watermarked, DRM-free
  • Included format: PDF, EPUB
  • ebooks can be used on all reading devices
  • Free shipping for individuals worldwide.
  • Usually ready to be dispatched within 3 to 5 business days.
  • The final prices may differ from the prices shown due to specifics of VAT rules
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.

About the authors

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 80iger Jahre hat ihn das Thema Künstliche Intelligenz nicht mehr losgelassen.

Table of contents (6 chapters)

Table of contents (6 chapters)
  • Bestärkendes Lernen als Teilgebiet des Maschinellen Lernens

    Pages 1-11

    Lorenz, Uwe

  • Grundbegriffe des Bestärkenden Lernens

    Pages 13-20

    Lorenz, Uwe

  • Optimal entscheiden in einer bekannten Umwelt

    Pages 21-49

    Lorenz, Uwe

  • Entscheiden und Lernen in einer unbekannten Umwelt

    Pages 51-116

    Lorenz, Uwe

  • Schätzer für Zustandsbewertung und Aktionsauswahl

    Pages 117-160

    Lorenz, Uwe

Buy this book

eBook 24,99 €
price for Spain (gross)
  • ISBN 978-3-662-61651-2
  • Digitally watermarked, DRM-free
  • Included format: PDF, EPUB
  • ebooks can be used on all reading devices
  • Immediate eBook download after purchase
Softcover + eBook 32,07 €
price for Spain (gross)
  • ISBN 978-3-662-61650-5
  • Immediate eBook download after purchase
  • Digitally watermarked, DRM-free
  • Included format: PDF, EPUB
  • ebooks can be used on all reading devices
  • Free shipping for individuals worldwide.
  • Usually ready to be dispatched within 3 to 5 business days.
  • The final prices may differ from the prices shown due to specifics of VAT rules
Loading...

Recommended for you

Loading...

Bibliographic Information

Bibliographic Information
Book Title
Reinforcement Learning
Book Subtitle
Aktuelle Ansätze verstehen - mit Beispielen in Java und Greenfoot
Authors
Copyright
2020
Publisher
Springer Vieweg
Copyright Holder
Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature
eBook ISBN
978-3-662-61651-2
DOI
10.1007/978-3-662-61651-2
Softcover ISBN
978-3-662-61650-5
Edition Number
1
Number of Pages
XVIII, 170
Number of Illustrations
27 b/w illustrations, 57 illustrations in colour
Topics