Tracked shipping to South Africa with premium packaging for just R199 

Ship to
South Africa
0

My Account

  • argentina
  • chile
  • colombia
  • españa
  • méxico
  • perú
  • estados unidos
  • internacional

menu

Select your country

Americas

Europe

Rest of the world

portada Apprendimento per rinforzo nella robotica e nei sistemi autonomi (in Italian)
Type
Physical Book
Publisher
Author
Language
Italian
Pages
112
Format
Paperback
Dimensions
22.9x15.2x0.7 cm
ISBN13
9786209108402

Apprendimento per rinforzo nella robotica e nei sistemi autonomi (in Italian)

N. S. Usha; G. M. Karpuradheepan; N. Srinivasan (Author) · Edizioni Sapienza · Paperback

Apprendimento per rinforzo nella robotica e nei sistemi autonomi (in Italian) - N. S. Usha; G. M. Karpuradheepan; N. Srinivasan

Cheaper New Book Imported to South Africa
Delivery: 14 Oct - 22 Oct Shipping: 13 to 14 business days.
R 1,182
Faster New Book Imported to South Africa
Delivery: 02 Oct - 12 Oct Shipping: 5 to 6 business days.
R 1,275
R 1,182

Choose the list to add your product or create one New List

Go to My Wishlists
Calculate shipping cost

Synopsis "Apprendimento per rinforzo nella robotica e nei sistemi autonomi (in Italian)"

L'apprendimento per rinforzo (RL) è emerso come approccio trasformativo nel campo dei sistemi autonomi, consentendo un processo decisionale e di controllo intelligente nella robotica, nelle auto a guida autonoma, nella sanità, nell'automazione industriale e nelle infrastrutture intelligenti. Nel corso di questa trattazione, abbiamo esplorato i concetti fondamentali, le metodologie, le sfide e le applicazioni reali della RL nei sistemi autonomi, evidenziandone sia il potenziale che i limiti. L'applicazione della RL nella robotica e nei sistemi autonomi si basa sui processi decisionali di Markov (MDP), che forniscono un quadro strutturato per il processodecisionale sequenziale . Lo sviluppo di metodi basati sui valori, come le Deep Q Networks (DQN), e di approcci basati sulle politiche, come i metodi Policy Gradient e Actor Critic, ha permesso a robot e agenti autonomi di apprendere comportamenti complessi attraverso prove ed errori. Inoltre, le tecniche RL model free e model based offrono diversi compromessi in termini di efficienza e adattabilità del campione, aprendo la strada a controllori basati sull'apprendimento più versatili e pratici.

Customers reviews

More customer reviews
  • 0% (0)
  • 0% (0)
  • 0% (0)
  • 0% (0)
  • 0% (0)

Frequently Asked Questions about the Book

Is the book original?

All books in our catalog are Original.

In what language is the book written?

The book is written in Italian.

What is the format of this book?

The binding of this edition is Paperback.

Questions and Answers about the Book

Do you have a question about the book? Login to be able to add your own question.

Opinions about Bookdelivery

More customer reviews