000			02700nam a2200337 i 4500
001			LEO01000000000000000037503
005			20171019180137.0
008			040514s2014 xxud r 000 0 eng d
020			_a9781118362082
040			_aUIALE _bspa _cUIALE _erda
041	0		_aeng
050	1	4	_aQ325.6 _bS24 2014
100	1		_aSchwartz, Howard M., _eautor.
245	1	0	_aMulti-agent Machine Learning : A Reinforcement Approach.
246	1	0	_aA Reinforcement Approach.
250			_aprimera edición.
260			_aHoboken, New Jersey : _bWiley, _cc2014.
300			_axi, 242 páginas : _bgráficas.
336			_aTexto _btxt _2rdacontent
337			_aSin medio _bn _2rdamedia
338			_aVolumen _bnc _2rdacarrier
500			_aIncluye referencias es índice.
520	3		_aEl libro comienza con un capítulo sobre los métodos tradicionales de aprendizaje supervisado, cubriendo los mínimos cuadrados recursivos aprendizaje, significa métodos de error cuadrados, y la aproximación estocástica. Capítulo 2 cubre el aprendizaje único refuerzo agente. Los temas incluyen funciones de aprendizaje de valores, juegos de Markov, y TD aprendizaje con rastros de elegibilidad. Capítulo 3 se analizan dos jugadores, incluyendo dos juegos de matriz jugador con ambas estrategias puras y mixtas. Se presentan numerosos algoritmos y ejemplos. Capítulo 4 cubre el aprendizaje en los juegos multijugador, juegos estocásticos, y juegos de Markov, se centra en el aprendizaje de juegos multi-jugador y dos juegos de la red de rejilla jugador, Q-learning, y Nash Q-learning. Capítulo 5 discute juegos diferenciales, incluyendo juegos multi jugador diferenciales, estructura crítica actor, control difuso de adaptación y sistemas de interferencia difusos, el juego busca evasor, y la defensa de un territorio juegos. Capítulo 6 discute nuevas ideas sobre el aprendizaje dentro de enjambres robóticos y la innovadora idea de la evolución de los rasgos de personalidad. • Marco para la comprensión de una variedad de métodos y enfoques multi-agente de aprendizaje automático. • Discute los métodos de aprendizaje por refuerzo, como un número de formas de multi-agente Q-learning • Aplicable a la investigación profesores y estudiantes graduados que estudian ingeniería eléctrica e informática, ciencias de la computación y la ingeniería mecánica y aeroespacial.
650	1	4	_aAprendizaje por refuerzo.
650	2	4	_aAprendizaje automático (Inteligencia artificial).
650	2	4	_aInteligencia artificial.
650	2	4	_aInteligencia de enjambre.
650	2	4	_aJuegos diferenciales.
942			_cBK
999			_c37448 _d37448