"Markov Decision Processes in Artificial Intelligence" - это книга, посвященная математическому фреймворку моделирования последовательных задач принятия решений в условиях неопределенности, а также проблемам обучения с подкреплением. Авторы книги являются экспертами в этой области и представляют в ней обзор современных исследований, использующих MDP (Markov Decision Processes) в искусственном интеллекте. Книга начинается с вводной части, в которой рассматриваются основные аспекты MDP (планирование в MDP, обучение с подкреплением, частично наблюдаемые MDP, Марковские игры и использование не классических критериев). Затем рассматриваются более продвинутые исследовательские тенденции в области и приводятся конкретные примеры, используя иллюстративные приложения.
Markovian Decision Processes в Искусственном Интеллекте, Авторы: Буфет Оливье В этом великолепном руководстве от экспертов в области искусственного интеллекта рассматриваются все аспекты Марковских процессов принятия решений (MDP, от англ. Markov Decision Process), в частности, возможные учебные проблемы и подходы к изучению проблем под влиянием случайности при принятии решений в условиях последовательностей, ценность которых возрастает с течением времени. Есть подача текущего изучения MDP в искусственном интеллекте. В вводной части рассказывается о ключевых аспе
В книге достаточно подробно рассматривается Mohrmark Decision Processes как в сфере математического моделирования иерархических систем принятия решений в условиях противоборствующей среды, так и в образовательной организации. Книга рассчитана на специалистов в области искусственного интеллекта и глубокого обучения.
Электронная Книга «Markov Decision Processes in Artificial Intelligence» написана автором Buffet Olivier в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781118619872
Описание книги от Buffet Olivier
Markov Decision Processes (MDPs) are a mathematical framework for modeling sequential decision problems under uncertainty as well as Reinforcement Learning problems. Written by experts in the field, this book provides a global view of current research using MDPs in Artificial Intelligence. It starts with an introductory presentation of the fundamental aspects of MDPs (planning in MDPs, Reinforcement Learning, Partially Observable MDPs, Markov games and the use of non-classical criteria). Then it presents more advanced research trends in the domain and gives some concrete examples using illustrative applications.
