Applications of Game Theory in Deep Learning (eBook)
84 Seiten
Springer Nature Switzerland (Verlag)
978-3-031-54653-2 (ISBN)
This book aims to unravel the complex tapestry that interweaves strategic decision-making models with the forefront of deep learning techniques. Applications of Game Theory in Deep Learning provides an extensive and insightful exploration of game theory in deep learning, diving deep into both the theoretical foundations and the real-world applications that showcase this intriguing intersection of fields. Starting with the essential foundations for comprehending both game theory and deep learning, delving into the individual significance of each field, the book culminates in a nuanced examination of Game Theory's pivotal role in augmenting and shaping the development of Deep Learning algorithms. By elucidating the theoretical underpinnings and practical applications of this synergistic relationship, we equip the reader with a comprehensive understanding of their combined potential. In our digital age, where algorithms and autonomous agents are becoming more common, the combination of game theory and deep learning has opened a new frontier of exploration. The combination of these two disciplines opens new and exciting avenues. We observe how artificial agents can think strategically, adapt to ever-shifting environments, and make decisions that are consistent with their goals and the dynamics of their surroundings. This book presents case studies, methodologies, and real-world applications.
| Erscheint lt. Verlag | 19.3.2024 |
|---|---|
| Reihe/Serie | SpringerBriefs in Computer Science |
| Zusatzinfo | XII, 84 p. 8 illus., 4 illus. in color. |
| Sprache | englisch |
| Themenwelt | Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik |
| Mathematik / Informatik ► Mathematik ► Statistik | |
| Schlagworte | Artificial Neural Network • CNN • convolutional neural network • cooperative game theory • Decision Making • Deep learning • Game Theory • Generative Adversarial Network • Nash Equilibrium • neural network • non-cooperative game theory • Reinforcement Learning • Shapley function • Strategies |
| ISBN-10 | 3-031-54653-9 / 3031546539 |
| ISBN-13 | 978-3-031-54653-2 / 9783031546532 |
| Informationen gemäß Produktsicherheitsverordnung (GPSR) | |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
