人工智能在军事中可用于多项任务，例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
这本书的一个关键结构特点是其模块化的组织方式，旨在提供灵活性，以便根据课程内容的变化进行调整和修改。具体来说，全书分为两个部分： （1）基础平台：包括第1章。该章节对近似动态规划（DP）/强化学习（RL）领域进行了有选择性的概述，为课堂中其他RL主题的更深入讲解提供了起点，而这些主题的选择可以由授课教师灵活决定。 （2）深入探讨部分：包括第2章和第3章，主要聚焦于具体方法的详细介绍。第2章主要讲解确定性与随机性 rollout 技术，以及一些相关的价值函数近似方法；第3章则讨论了在离线训练中使用神经网络及其他近似结构的技术。 这种模块化结构允许教师根据课程重点进行个性化定制。例如，教师可以利用第1章的基础平台来构建更偏数学理论或更偏实用导向的课程，以满足不同学生的需求。 此外，还需指出的是，本书所包含的内容超出了一个学期课堂教学所能覆盖的范围，这为授课教师在教学内容选择上提供了更多灵活性。
成为VIP会员查看完整内容
A Course in Reinforcement Learning
这是一本关于自由概率论的导论性材料，涵盖了其基础的组合理论与解析理论，同时也介绍了自由概率与随机矩阵和算子代数之间的联系。本讲义的内容主要基于讲授者的两部著作：一部与 Nica 合著 [NSp]，另一部与 Mingo 合著 [MSp]。 本系列课程中，自由概率仅限于标量值情形的讨论；关于算子值自由概率的内容将在后续题为《非交换分布》的课程中讲授。 本课程于2018/19 年冬季学期在**德国萨尔兰大学（Saarland University）**开设，共计 26 讲，每讲 90 分钟。课程全程录像，现已公开，可通过以下链接观看： 
成为VIP会员查看完整内容
本周荟萃主题
推荐系统，是指根据用户的习惯、偏好或兴趣，从不断到来的大规模信息中识别满足用户兴趣的信息的过程。推荐推荐任务中的信息往往称为物品(Item)。根据具体应用背景的不同，这些物品可以是新闻、电影、音乐、广告、商品等各种对象。推荐系统利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程。个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大，商品个数和种类快速增长，顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题，个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。
计算机网络(
Computer Networks )指将地理位置不同的多台计算机及其外部设备，通过通信线路连接起来，在网络操作系统及网络通信协议的管理和协调下，实现资源共享和信息传递的计算机系统。
微信扫码咨询专知VIP会员