基本信息
- 作者： [印度]巴拉格.库尔卡尼(Parag Kulkarni)
- 译者： 李宁 吴健 刘凯
- 出版社：机械工业出版社*
- ISBN：9787111502418
- 上架时间：2015-8-3
- 出版日期：2015 年7月
- 开本：16开
- 页码：232
- 版次：1-1
- 所属分类：计算机 > 人工智能
机械工业出版社分类专区 > 机工电工电子分社 > 国际电气工程译丛
编辑推荐
本书包括强化的不同方面，通过机器学习来建立知识库。本书有助于计划通过智能学习和实验做出智能机器的人并尝试新的方式，打开一种相同的新范例。本书第1章主要介绍系统概念，如机器学习、强化学习、系统学习、系统性机器学习等；第2章主要介绍系统性和多视角的机器学习；第3~9章主要介绍本书的主要内容——决策用强化与系统性学习的各个方面内容，有强化学习、系统性机器学习、推理和信息集成、自适应学习、全局系统性学习、增量学习及表示和知识增长。第10章列举了一些例子来说明如何构建一个学习系统。
内容简介
书籍
计算机书籍
机器学习是人工智能领域中一个极其重要的研究
方向。强化学习是机器学习中的一个重要分支。作为
解决序贯优化决策的有效方法，强化学习有效地应用
于计算科学、自动控制、机器人技术等各个领域。
当前，强化学习的核心任务是提高学习效率，巴
拉格·库尔卡尼编著的《决策用强化与系统性机器学
习/国际电气工程先进技术译丛》就是针对此问题展
开的。第1章介绍系统概念和增强机器学习，它建立
了一个突出的相同的机器学习系统范例；第2章将更
多关注机器学习的基本原理和多视角学习；第3章关
于强化学习；第4章处理机器学习系统和模型建立的
问题；决策推理等重要的部分将在第5章展开；第6章
讨论了自适应机器学习；第7章讨论了多视角和全局
系统性机器学习；第8章讨论了增量学习的需要和知
识表示；第9章处理了知识增长方面的问题；第10章
讨论了学习系统的建立。
本书适合于机器学习、自动化技术、人工智能等
方面的相关专业教师与研究生阅读，也可供自然科学
和工程领域相关研究人员参考。
计算机书籍
机器学习是人工智能领域中一个极其重要的研究
方向。强化学习是机器学习中的一个重要分支。作为
解决序贯优化决策的有效方法，强化学习有效地应用
于计算科学、自动控制、机器人技术等各个领域。
当前，强化学习的核心任务是提高学习效率，巴
拉格·库尔卡尼编著的《决策用强化与系统性机器学
习/国际电气工程先进技术译丛》就是针对此问题展
开的。第1章介绍系统概念和增强机器学习，它建立
了一个突出的相同的机器学习系统范例；第2章将更
多关注机器学习的基本原理和多视角学习；第3章关
于强化学习；第4章处理机器学习系统和模型建立的
问题；决策推理等重要的部分将在第5章展开；第6章
讨论了自适应机器学习；第7章讨论了多视角和全局
系统性机器学习；第8章讨论了增量学习的需要和知
识表示；第9章处理了知识增长方面的问题；第10章
讨论了学习系统的建立。
本书适合于机器学习、自动化技术、人工智能等
方面的相关专业教师与研究生阅读，也可供自然科学
和工程领域相关研究人员参考。
作译者
巴拉格·库尔卡尼，是普纳埃拉特研究所（EKLaT Research,Pune）的CEO和首席科学家。他在知识管理、电子商务、智能系统和机器学习咨询、研究和产品建设等领域有超过20年的经验。印度理工学院和加尔各答印度管理研究院的校友，Kulkarni博士是IIM的兼职教授、捷克马萨里克大学访问研究员和普纳工程学院兼职教授。他领导的公司、研究实验室和团体，其中包括很多IT公司，有艾蒂尔公司、西门子信息系统有限公司、普纳的卡皮森公司和新加坡的ReasonEdge公司。他通过战略创新和研究引领了很多公司成功创业。瑞士的UGSM皇家商业学校授予Kulkarni荣誉博士学位。他是三个专利的共同发明人，并合著了超过100篇研究论文并有著作若干本。
目录
译者序
原书前言
原书致谢
关于作者
第1章 强化与系统性机器学习
1.1 简介
1.2 监督学习、无监督学习、半监督学习和强化学习
1.3 传统机器学习方法和机器学习发展历史
1.4 什么是机器学习？
1.5 机器学习问题
1.5.1 学习的目标
1.6 学习模式
1.7 机器学习技术和范例
1.8 什么是强化学习？
1.9 强化函数和环境函数
1.10 强化学习的需求
1.11 强化学习和机器智能
1.12 什么是系统学习？
1.13 什么是系统性机器学习？
1.14 系统性机器学习的重点
原书前言
原书致谢
关于作者
第1章 强化与系统性机器学习
1.1 简介
1.2 监督学习、无监督学习、半监督学习和强化学习
1.3 传统机器学习方法和机器学习发展历史
1.4 什么是机器学习？
1.5 机器学习问题
1.5.1 学习的目标
1.6 学习模式
1.7 机器学习技术和范例
1.8 什么是强化学习？
1.9 强化函数和环境函数
1.10 强化学习的需求
1.11 强化学习和机器智能
1.12 什么是系统学习？
1.13 什么是系统性机器学习？
1.14 系统性机器学习的重点
