iPhoneAlle anzeigen
iPhone 11iPhone 11 ProiPhone 11 Pro MaxiPhone 12iPhone 12 ProiPhone 12 Pro MaxiPhone 12 miniiPhone 13iPhone 13 ProiPhone 13 Pro MaxiPhone 13 miniiPhone 14iPhone 14 PlusiPhone 14 ProiPhone 14 Pro MaxiPhone 15iPhone 15 PlusiPhone 15 ProiPhone 15 Pro MaxiPhone 16iPhone 16 PlusiPhone 16 ProiPhone 16 Pro MaxiPhone 16eiPhone 8iPhone 8 PlusiPhone SE 2020iPhone SE 2022iPhone XiPhone XRiPhone XSiPhone XS Max
Galaxy A-SerieAlle anzeigen
Galaxy A12Galaxy A13Galaxy A13 5GGalaxy A14Galaxy A15Galaxy A16Galaxy A17Galaxy A17 5GGalaxy A20eGalaxy A21Galaxy A22Galaxy A23Galaxy A24Galaxy A25Galaxy A26 5GGalaxy A27 5GGalaxy A32Galaxy A33Galaxy A34Galaxy A35Galaxy A36 5GGalaxy A37Galaxy A40Galaxy A41Galaxy A42Galaxy A50Galaxy A51Galaxy A52Galaxy A53Galaxy A54Galaxy A55Galaxy A56 5GGalaxy A57 5GGalaxy A70Galaxy A71Galaxy A72
Redmi SeriesAlle anzeigen
Redmi 10Redmi 13CRedmi 15 5GRedmi Note 10Redmi Note 10 ProRedmi Note 11Redmi Note 11 ProRedmi Note 11 Pro Plus 5GRedmi Note 11sRedmi Note 12Redmi Note 12 5GRedmi Note 12 ProRedmi Note 12 Pro 5GRedmi Note 12 Pro PlusRedmi Note 13Redmi Note 13 5GRedmi Note 13 ProRedmi Note 13 Pro PlusRedmi Note 14Redmi Note 14 Pro PlusRedmi Note 15Redmi Note 15 5GRedmi Note 15 ProRedmi Note 15 Pro 5GRedmi Note 15 Pro Plus 5GRedmi Note 8 ProRedmi Note 9
- Startseite
Bücher Englische Bücher Wissen & Bildung Naturwissenschaft, Medizin, Informatik, Technik Informatik & EDV Informatik Deep Reinforcement Learning for Robust Agent Systems
Derzeit nicht verfügbar
Handgeprüfte Gebrauchtware
Bis zu 50 % günstiger als neu
21 Tage Widerrufsrecht
Deep Reinforcement Learning for Robust Agent Systems
Guanjun Liu, Ziyuan Zhou, Min Yang, Weiran Guo (Gebundene Ausgabe, Englisch)
Optischer Zustand
Beschreibung
Deep Reinforcement Learning for Single-/Multi-Agent Systems provides a comprehensive guide to understanding and applying reinforcement learning (RL) in both single-agent and multi-agent contexts. This book is ideal for readers interested in mastering the fundamental concepts of RL and its advanced applications in real-world scenarios. Whether you’re a researcher, developer, or student, it offers a… unique blend of theoretical depth and practical insights to empower you in tackling complex problems in AI and autonomous systems. The book begins with foundational topics in RL, explaining key algorithms and methods for both single-agent and multi-agent systems. It then dives into robust reinforcement learning, focusing on adversarial attacks and defense techniques to improve model resilience in uncertain environments. The content also covers cutting-edge applications of RL, including the design of training environments, the deployment of RL in drone systems, and the integration of RL in large language models (LLMs). By reading this book, you will gain valuable knowledge about state-of-the-art RL methodologies, learn to apply them in diverse settings, and understand how to defend against adversarial threats. The practical examples, case studies, and code snippets make it easier to implement RL solutions, while the in-depth discussions provide a solid foundation for further research. Prerequisite knowledge in machine learning and basic programming will be helpful, but the book is accessible to anyone with a keen interest in AI and reinforcement learning. Dieses Produkt haben wir gerade leider nicht auf Lager.
Handgeprüfte Gebrauchtware
Bis zu 50 % günstiger als neu
21 Tage Widerrufsrecht
Technische Daten
Erscheinungsdatum
29.11.2026
Sprache
Englisch
EAN
9789819260706
Herausgeber
Springer Singapore
Sonderedition
Nein
Autor
Guanjun Liu, Ziyuan Zhou, Min Yang, Weiran Guo
Seitenanzahl
249
Einbandart
Gebundene Ausgabe
Schlagwörter
Reinforcement Learning, Deep Reinforcement Learning, Multi-Agent Reinforcement Learning, Adversarial Attacks in RL, Robust Learning, Stochastic Game, Sim-to-Real Transfer, Large Language Models
Thema-Inhalt
UYQ - Künstliche Intelligenz
UYQM - Maschinelles Lernen
Höhe
235 mm
Breite
15.5 cm
Auf gebrauchten Artikeln oder Originalverpackungen sichtbare Umwelt-, Nachhaltigkeits- oder Zertifizierungsangaben stammen aus der ursprünglichen Herstellerkennzeichnung. Sie stellen keine eigene aktuelle Umwelt- oder Nachhaltigkeitsaussage von rebuy dar. Maßgeblich für das Angebot sind ausschließlich die von rebuy in der Artikelbeschreibung angegebenen Produkteigenschaften.
Transparenz & Sicherheit
Hersteller: Springer Nature Customer Service Center GmbH, Europaplatz 3, Heidelberg, Deutschland, 69115, ProductSafety@springernature.com
-.-
★★★★★
☆☆☆☆☆ Leider noch keine Bewertungen
Leider noch keine Bewertungen
Sicher bei rebuy kaufen
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!
Sicher bei rebuy kaufen