Cantitate/Preț
Produs
Total produse
Vezi coșul
Multi-Agent Reinforcement Learning de Filippos Christianos

Multi-Agent Reinforcement Learning

Autor Filippos Christianos, Stefano V. Albrecht
en Limba Engleză Hardback – 17 dec 2024

STRUCTURA progresivă: de la concept la implementare, transformă acest volum în prima introducere cuprinzătoare în învățarea prin consolidare multi-agent (MARL). Suntem de părere că rigoarea cu care Filippos Christianos și Stefano V. Albrecht tratează intersecția dintre teoria jocurilor și deep learning oferă o bază tehnică solidă pentru orice specialist în inteligență artificială. Găsim în această carte o tranziție logică de la fundamentele matematice la provocările tehnice actuale, precum antrenarea centralizată cu execuție descentralizată și mecanismele de descompunere a valorii. Credem că elementul distinctiv al lucrării publicate de MIT Press Ltd este orientarea sa practică. Dincolo de modelele teoretice, autorii pun la dispoziție un codebase în Python, special conceput pentru a fi ușor de parcurs, facilitând experimentarea directă. Complementar lui Distributed Artificial Intelligence Meets Machine Learning, volumul acoperă zona algoritmilor moderni de deep MARL și implementările software concrete, pe care lucrările anterioare, axate mai mult pe arhitecturi distribuite clasice, le ating doar tangențial. Tonul este unul tehnic și precis, evitând generalitățile în favoarea unor explicații clare despre cum agenții colectivi pot învăța să interacționeze optim în medii partajate. Suntem convinși că analiza detaliată a conceptelor de self-play și parameter sharing este esențială pentru dezvoltarea sistemelor autonome complexe, de la flote de vehicule la rețele energetice inteligente. Volumul reușește să sintetizeze cercetarea de ultimă oră într-un format accesibil, fiind testat deja în mediul universitar pentru cursuri de nivel masterat și doctorat.

Citește tot Restrânge

Preț: 46832 lei

Preț vechi: 58540 lei
-20%

Puncte Express: 702

Carte disponibilă

Livrare economică 27 mai-10 iunie
Livrare express 12-16 mai pentru 4567 lei

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9780262049375
ISBN-10: 0262049376
Pagini: 394
Dimensiuni: 159 x 230 x 29 mm
Greutate: 0.77 kg
Editura: MIT Press Ltd

De ce să citești această carte

Recomandăm această carte inginerilor ML și cercetătorilor în robotică ce doresc să treacă de la sistemele cu un singur agent la ecosisteme complexe de agenți care colaborează. Câștigați atât o fundamentare teoretică bazată pe teoria jocurilor, cât și un set de instrumente practice prin codul Python inclus, esențial pentru implementarea soluțiilor de control în medii dinamice și partajate.

Descriere

The first comprehensive introduction to Multi-Agent Reinforcement Learning (MARL), covering MARL’s models, solution concepts, algorithmic ideas, technical challenges, and modern approaches. Multi-Agent Reinforcement Learning (MARL), an area of machine learning in which a collective of agents learn to optimally interact in a shared environment, boasts a growing array of applications in modern life, from autonomous driving and multi-robot factories to automated trading and energy network management. This text provides a lucid and rigorous introduction to the models, solution concepts, algorithmic ideas, technical challenges, and modern approaches in MARL. The book first introduces the field’s foundations, including basics of reinforcement learning theory and algorithms, interactive game models, different solution concepts for games, and the algorithmic ideas underpinning MARL research. It then details contemporary MARL algorithms which leverage deep learning techniques, covering ideas such as centralized training with decentralized execution, value decomposition, parameter sharing, and self-play. The book comes with its own MARL codebase written in Python, containing implementations of MARL algorithms that are self-contained and easy to read. Technical content is explained in easy-to-understand language and illustrated with extensive examples, illuminating MARL for newcomers while offering high-level insights for more advanced readers. First textbook to introduce the foundations and applications of MARL, written by experts in the fieldIntegrates reinforcement learning, deep learning, and game theoryPractical focus covers considerations for running experiments and describes environments for testing MARL algorithmsExplains complex concepts in clear and simple languageClassroom-tested, accessible approach suitable for graduate students and professionals across computer science, artificial intelligence, and robotics Resources include code and slides