这里是 ShowMeAI 持续分享的【开源eBook】系列！内容覆盖机器学习、深度学习、数据科学、数据分析、大数据、Keras、TensorFlow、PyTorch、强化学习、数学基础等各个方向。整理自各平台的原作者公开分享（审核大大请放手） ◉ 简介：本书对不确定条件下的决策算法作了广泛的介绍，内容涵盖了与决策有关的各种主题，介绍了基本的数学问题公式和解决这些问题的算法。 ◉ 目录： 第一部分：概率推理 - 表征 - 推理 - 参数学习 - 结构学习 - 简单决策 第二部分：顺序问题 - 精确解法 - 近似值函数 - 在线规划 - 政策搜索 - 政策梯度估计 - 政策梯度优化 - 角色批判方法 - 政策验证 第三部分：模型的不确定性 - 探索和利用 - 基于模型的方法 - 无模型的方法 - 模仿学习 第四部分：状态的不确定性 - 信念 - 准确的信念状态规划 - 离线信念状态规划 - 在线信念状态规划 - 控制器抽象 第五部分：多Agent系统 - 多Agent推理 - 序列问题 - 状态的不确定性 - 协作代理

DB - Making Snapshot Isolation Serializable.pdf Snapshot Isolation (SI) is a multiversion concurrency control algorithm, first described in Berenson et al. [1995]. SI is attractive because it provides an isolation level that avoids many of the common concurrency anomalies, and has been implemented by Oracle and Microsoft SQL Server (with certain minor variations). SI does not guarantee serializability in all cases, but the TPC-C benchmark application [TPC-C],

Making Music with Computers Creative Programming in Python 英文无水印原版pdf pdf所有页面使用FoxitReader、PDF-XChangeViewer、SumatraPDF和Firefox测试都可以打开 本资源转载自网络，如有侵权，请联系上传者或csdn删除 查看此书详细信息请在美国亚马逊官网搜索此书

hBayesDM hBayesDM （决策任务的多层贝叶斯建模）是一种用户友好的程序包，可对一系列决策任务上的各种计算模型提供分层的贝叶斯分析。 hBayesDM使用进行贝叶斯推理。 现在， hBayesDM支持和 ！ 快速链接 教程： : （R）和 （Python） 邮件列表： : forum / hbayesdm-users 错误报告： https : //github.com/CCS-Lab/hBayesDM/issues 贡献：请参阅此存储库的Wiki 。 引文 如果您使用hBayesDM或其某些代码进行研究，请引用本文： @article { hBayesDM , title = { Revealing Neurocomputational Mechanisms of Reinforcement Learning and Decision-Making

Making Embedded Systems Design Patterns for Great Software 2.pdf

蒙特卡罗树搜索方法 这是蒙特卡罗树搜索方法的Java实现。 它是独立的，与域无关的，因此可以轻松地在任何状态操作域中使用。 该项目是为我的学士学位论文目的而开发的。 依存关系 JUnit4，Java克隆库 用法 创建MctsDomainAgent的实现。 public class Player implements MctsDomainAgent< State> { ... } 创建MctsDomainState的实现。 public class State implements MctsDomainState< Action> { ... } 初始化搜索并调用uctSearchWithExploration（）以获得最有前途的操作。 Mcts< State> mcts = Mcts . initializeIterat

Making Database Work

决策及相关信息decision making and relevant information

经典之作，不多用多介绍。欧美金融经济学或金融理论必推参考书。 John E. Ingersoll Rowman & Littlefield Publishers, Inc. Based on courses developed by the author over several years, this book provides access to a broad area of research that is not available in separate articles or books of readings. Topics covered include the meaning and measurement of risk, general single-period portfolio problems, mean-variance analysis and the Capital Asset Pricing Model, the Arbitrage Pricing Theory, complete markets, multiperiod portfolio problems and the Intertemporal Capital Asset Pricing Model, the Black-Scholes option pricing model and contingent claims analysis, "risk-neutral" pricing with Martingales, Modigliani-Miller and the capital structure of the firm, interest rates and the term structure, and others.

北邮人工智能实训决策树代码，python实现，可完美运行