Apres acceptation de la commande, le delai moyen d'expedition depuis le Japon est de 48 heures. Le delai moyen de livraison est de 3 a 4 semaines. En cas de circonstances exceptionnelles, les delais peuvent s'etendre jusqu'à 2 mois.

Vous avez choisi le retrait chez le vendeur à

Payez directement sur Rakuten (CB, PayPal, 4xCB...)
Récupérez le produit directement chez le vendeur
Rakuten vous rembourse en cas de problème

Terminer ma commande

Gratuit et sans engagement

Félicitations !

Nous sommes heureux de vous compter parmi nos membres du Club Rakuten !

TROUVER UN MAGASIN

Adresse

Retour

Horaires

Note :

Avis sur Reinforcement Learning And Dynamic Programming Using Function Approximators Format Relié - Livre Informatique

Note : 0 0 avis sur Reinforcement Learning And Dynamic Programming Using Function Approximators Format Relié - Livre Informatique

Donnez votre avis et cumulez 5

Cumulez 5 en donnant votre avis

Votre note * : 1/5 2/5 3/5 4/5 5/5 Veuillez donner une note au produit

Le titre de votre avis* : Saisissez un titre

Quelques conseils :

Donnez le ton de votre avis, résumez-le en quelques mots qui apparaîtront comme le titre de votre avis.

Votre avis* : (40 caractères minimum) Saisissez un avis

Quelques conseils :

N'hésitez pas à mettre en avant les caractéristiques de ce produit, n'oubliez pas de mentionner ses avantages et/ou ses défauts éventuels. Décrivez précisément, argumentez, soyez convaincant !

Annuler

Les avis publiés font l'objet d'un contrôle automatisé de Rakuten.

Produits similaires

Présentation Reinforcement Learning And Dynamic Programming Using Function Approximators Format Relié
- Livre Informatique

Livre Informatique - Babuska, Robert - 01/04/2010 - Relié - Langue : Anglais

Auteur(s) : Babuska, Robert - Busoniu, Lucian - De Schutter, Bart

Editeur : Crc Press

Langue : Anglais

Parution : 01/04/2010

Format : Moyen, de 350g à 1kg

Nombre de pages : 286.0

Expédition : 560

Dimensions : 24.1 x 16.1 x 2.0

ISBN : 1439821089

Résumé :
While Dynamic Programming (DP) has helped solve control problems involving dynamic systems, its value was limited by algorithms that lacked practical scale-up capacity. In recent years, developments in Reinforcement Learning (RL), DP's model-free counterpart, has changed this. Focusing on continuous-variable problems, this unparalleled work provides an introduction to classical RL and DP, followed by a presentation of current methods in RL and DP with approximation. Combining algorithm development with theoretical guarantees, it offers illustrative examples that readers will be able to adapt to their own work. ...

Biographie:

Robert Babuska, Lucian Busoniu, and Bart de Schutter are with the Delft University of Technology. Damien Ernst is with the University of Liege.

Sommaire:
While Dynamic Programming (DP) has helped solve control problems involving dynamic systems, its value was limited by algorithms that lacked practical scale-up capacity. In recent years, developments in Reinforcement Learning (RL), DP's model-free counterpart, has changed this. Focusing on continuous-variable problems, this unparalleled work provides an introduction to classical RL and DP, followed by a presentation of current methods in RL and DP with approximation. Combining algorithm development with theoretical guarantees, it offers illustrative examples that readers will be able to adapt to their own work. ...

Détails de conformité du produit

Consulter les détails de conformité de ce produit (

Personne responsable dans l'UE

)

Reinforcement Learning and Dynamic Programming Using Function Approximators - Babuska, Robert

Avis sur Reinforcement Learning And Dynamic Programming Using Function Approximators Format Relié - Livre Informatique

Présentation Reinforcement Learning And Dynamic Programming Using Function Approximators Format Relié - Livre Informatique

Présentation Reinforcement Learning And Dynamic Programming Using Function Approximators Format Relié
- Livre Informatique