Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 15.06.2026 auf Spiele & Spielzeug online auf thalia.at, in der Thalia App ab einem Mindestbestellwert von 30€ und in allen Thalia Buchhandlungen in Österreich. In den Buchhandlungen nur gültig auf lagernde Ware. Einzelne Artikel können ausgeschlossen sein. Ausgenommen sind preisgebundene Artikel sowie online auf thalia.at und in der Thalia App einzelne Artikel von tonies®. Pro Einkauf einmal einlösbar. Nur gültig gegen Vorlage oder im Onlineshop hinterlegter Bonuscard. Infos zur Einlösung in der Buchhandlung sind auf der Bonuscard-Vorteilspreisseite zu finden. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Einlösung bei Scan & Go-Bezahlung. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Gutschein wird auf max. 500€ Bestellwert angerechnet. Nicht gültig für Geschenkkarten, Versandkosten und Services.
Produktbild: Handbook of Learning and Approximate Dynamic Programming

Handbook of Learning and Approximate Dynamic Programming

Aus der Reihe IEEE Press Series on Computational Intelligence

229,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

02.08.2004

Herausgeber

Jennie Si + weitere

Verlag

John Wiley & Sons Inc

Seitenzahl

672

Maße (L/B/H)

24/16,1/4 cm

Gewicht

1043 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-0-471-66054-5

Beschreibung

Rezension

"...highly recommended to researchers, graduate students, engineers, and scientists..." ( E-STREAMS , February 2006)
"Clearly, this book is useful for researchers who do or want to do research on ADP." ( IIE Transactions-Quality & Reliability Engineering , February 2006)

"...I would like to congratulate the editors, for putting together this wonderful collection of research contributions." ( Computing Reviews.com , March 18, 2005)

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

02.08.2004

Herausgeber

Verlag

John Wiley & Sons Inc

Seitenzahl

672

Maße (L/B/H)

24/16,1/4 cm

Gewicht

1043 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-0-471-66054-5

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern
  • Produktbild: Handbook of Learning and Approximate Dynamic Programming
  • Foreword.

    1. ADP: goals, opportunities and principles.

    Part I: Overview.

    2. Reinforcement learning and its relationship to supervised learning.

    3. Model-based adaptive critic designs.

    4. Guidance in the use of adaptive critics for control.

    5. Direct neural dynamic programming.

    6. The linear programming approach to approximate dynamic programming.

    7. Reinforcement learning in large, high-dimensional state spaces.

    8. Hierarchical decision making.

    Part II: Technical advances.

    9. Improved temporal difference methods with linear function approximation.

    10. Approximate dynamic programming for high-dimensional resource allocation problems.

    11. Hierarchical approaches to concurrency, multiagency, and partial observability.

    12. Learning and optimization - from a system theoretic perspective.

    13. Robust reinforcement learning using integral-quadratic constraints.

    14. Supervised actor-critic reinforcement learning.

    15. BPTT and DAC - a common framework for comparison.

    Part III: Applications.

    16. Near-optimal control via reinforcement learning.

    17. Multiobjective control problems by reinforcement learning.

    18. Adaptive critic based neural network for control-constrained agile missile.

    19. Applications of approximate dynamic programming in power systems control.

    20. Robust reinforcement learning for heating, ventilation, and air conditioning control of buildings.

    21. Helicopter flight control using direct neural dynamic programming.

    22. Toward dynamic stochastic optimal power flow.

    23. Control, optimization, security, and self-healing of benchmark power systems.