Bis zu 50 % günstiger als neu 3 Jahre rebuy Garantie Professionelles Refurbishment
ElektronikMedien
Tipps & News
AppleAlle anzeigen
TabletsAlle anzeigen
HandyAlle anzeigen
Fairphone
AppleAlle anzeigen
iPhone Air Generation
GoogleAlle anzeigen
Pixel Fold
HonorAlle anzeigen
HuaweiAlle anzeigen
Honor SerieY-Serie
NothingAlle anzeigen
OnePlusAlle anzeigen
OnePlus 11 GenerationOnePlus 12 Generation
SamsungAlle anzeigen
Galaxy XcoverWeitere Modelle
SonyAlle anzeigen
Weitere Modelle
XiaomiAlle anzeigen
Weitere Modelle
Tablets & eBook ReaderAlle anzeigen
Google
AppleAlle anzeigen
HuaweiAlle anzeigen
MatePad Pro Serie
MicrosoftAlle anzeigen
XiaomiAlle anzeigen
Kameras & ZubehörAlle anzeigen
ObjektiveAlle anzeigen
System & SpiegelreflexAlle anzeigen
WearablesAlle anzeigen
Fitness TrackerAlle anzeigen
SmartwatchesAlle anzeigen
Xiaomi
Konsolen & ZubehörAlle anzeigen
Lenovo Legion GoMSI Claw
NintendoAlle anzeigen
Nintendo Switch Lite
PlayStationAlle anzeigen
XboxAlle anzeigen
Audio & HiFiAlle anzeigen
KopfhörerAlle anzeigen
FairphoneGoogle
LautsprecherAlle anzeigen
Beats by Dr. DreGoogleYamahatonies
iPodAlle anzeigen

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Reinforcement Learning in Robotics and Autonomous Systems

N. Srinivasan, G. M. KarpuraDheepan, N. S. Usha (Broschiert, Englisch)

Keine Bewertungen vorhanden
Optischer Zustand
Beschreibung
Reinforcement Learning (RL) has emerged as a transformative approach in the field of autonomous systems, enabling intelligent decision making and control in robotics, self-driving cars, healthcare, industrial automation, and smart infrastructure. Throughout this discussion, we have explored the fundamental concepts, methodologies, challenges, and real world applications of RL in autonomous systems, highlighting both its potential and its limitations. The application of RL in robotics and autonomous systems is underpinned by Markov Decision Processes (MDPs), which provide a structured framework for sequential decision making. The development of value based methods, such as Deep Q Networks (DQN), and policy-based approaches, such as Policy Gradient and Actor Critic methods, has enabled robots and autonomous agents to learn complex behaviors through trial and error. Moreover, model free and model based RL techniques offer different trade offs in terms of sample efficiency and adaptability, paving the way for more versatile and practical learning based controllers.
60,90 €
Broschiert | Neu

oder

Auf Lager Versandbereit in 1-2 Werktagen
zzgl.

Du kannst wie immer einen Kaufalarm setzen, wenn du auf das gebrauchte Buch warten möchtest.

Auf Lager Versandbereit in 1-2 Werktagen
zzgl.

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Technische Daten


Erscheinungsdatum
10.08.2025
Sprache
Englisch
EAN
9786208434175
Herausgeber
Bod
Autor
N. Srinivasan, G. M. KarpuraDheepan, N. S. Usha
Einbandart
Broschiert
Höhe
220 mm
Breite
150 mm

Warnhinweise und Sicherheitsinformationen

Informationen nach EU Data Act

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!