دوره مدل‌های یادگیری تقویتی مبتنی بر ارزش در یادگیری تقویتی چندعامله همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌های یادگیری تقویتی مبتنی بر ارزش در یادگیری تقویتی چندعامله

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: مدل‌های یادگیری تقویتی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی
• 2. مفاهیم اساسی یادگیری تقویتی
• 3. عوامل و محیط در یادگیری تقویتی
• 4. تابع پاداش و تابع ارزش
• 5. سیاست‌ها و تابع ارزش
• 6. مدل‌های مبتنی بر ارزش
• 7. یادگیری ارزش-مبنایی
• 8. یادگیری Q-learning
• 9. یادگیری SARSA
• 10. تفاوت Q-learning و SARSA
• 11. یادگیری مبتنی بر مدل
• 12. یادگیری بدون مدل
• 13. روش‌های مونت کارلو در یادگیری تقویتی
• 14. یادگیری تفاضل زمانی (TD)
• 15. یادگیری TD(0)
• 16. یادگیری TD(λ)
• 17. شبکه‌های عصبی در یادگیری تقویتی
• 18. یادگیری عمیق تقویتی (Deep RL)
• 19. شبکه‌های عصبی کانولوشنال (CNN) در RL
• 20. شبکه‌های عصبی بازگشتی (RNN) در RL
• 21. یادگیری تقویتی چند عامله (MARL)
• 22. مقدمه‌ای بر MARL
• 23. چالش‌های MARL
• 24. همکاری در MARL
• 25. رقابت در MARL
• 26. محیط‌های مشترک و مجزا
• 27. مدل‌های مبتنی بر ارزش در MARL
• 28. یادگیری ارزش در محیط‌های مشترک
• 29. یادگیری ارزش در محیط‌های مجزا
• 30. توسعه مدل‌های ارزش برای MARL
• 31. ارتباط بین عامل‌ها در MARL
• 32. یادگیری ارزش متمرکز
• 33. یادگیری ارزش غیرمتمرکز
• 34. یادگیری ارزش نیمه‌متمرکز
• 35. مدل‌های ارزش مشترک
• 36. مدل‌های ارزش مجزا
• 37. مدل‌های ارزش مبتنی بر ارتباط
• 38. یادگیری ارزش مبتنی بر مشاهده
• 39. یادگیری ارزش مبتنی بر وضعیت
• 40. یادگیری ارزش مبتنی بر عمل
• 41. استراتژی‌های یادگیری ارزش در MARL
• 42. یادگیری سیاست مشترک
• 43. یادگیری سیاست مجزا
• 44. یادگیری سیاست نیمه‌متمرکز
• 45. یادگیری سیاست مبتنی بر مشاهده
• 46. یادگیری سیاست مبتنی بر وضعیت
• 47. یادگیری سیاست مبتنی بر عمل
• 48. یادگیری سیاست مبتنی بر ارتباط
• 49. مدل‌های مبتنی بر بازی در MARL
• 50. مفاهیم بازی‌های متعارف
• 51. تعادل نش در بازی‌های متعارف
• 52. بازی‌های تکراری
• 53. بازی‌های با مجموع غیر صفر
• 54. یادگیری مبتنی بر بازی در MARL
• 55. یادگیری ارزش در بازی‌های متعارف
• 56. یادگیری سیاست در بازی‌های متعارف
• 57. مدل‌های بازی مشترک
• 58. مدل‌های بازی مجزا
• 59. مدل‌های بازی مبتنی بر ارتباط
• 60. یادگیری ارزش در بازی‌های تکراری
• 61. یادگیری سیاست در بازی‌های تکراری
• 62. مدل‌های ارزش در بازی‌های تکراری
• 63. مدل‌های سیاست در بازی‌های تکراری
• 64. یادگیری تقویتی توزیع‌شده
• 65. یادگیری تقویتی موازی
• 66. یادگیری تقویتی توزیع‌شده با هماهنگ‌کننده مرکزی
• 67. یادگیری تقویتی توزیع‌شده بدون هماهنگ‌کننده مرکزی
• 68. کاربردها در رباتیک
• 69. کاربردها در سیستم‌های توصیه‌گر
• 70. کاربردها در بازی‌ها
• 71. کاربردها در سیستم‌های کنترل
• 72. کاربردها در مدیریت ترافیک
• 73. کاربردها در بازارهای مالی
• 74. کاربردها در شبکه‌های ارتباطی
• 75. کاربردها در بهینه‌سازی منابع
• 76. کاربردها در سیستم‌های هوشمند
• 77. کاربردها در شبیه‌سازی‌های پیچیده
• 78. مدل‌های ارزش برای عامل‌های محدود
• 79. مدل‌های ارزش برای عامل‌های با حافظه
• 80. مدل‌های ارزش برای عامل‌های با محدودیت ارتباطی
• 81. مدل‌های ارزش برای عامل‌های با عدم قطعیت
• 82. مدل‌های ارزش برای عامل‌های با پاداش پراکنده
• 83. مدل‌های ارزش برای عامل‌های با پاداش تاخیری
• 84. مدل‌های ارزش برای عامل‌های با پاداش متغیر
• 85. مدل‌های ارزش برای عامل‌های با اهداف چندگانه
• 86. مدل‌های ارزش برای عامل‌های با اهداف متعارض
• 87. مدل‌های ارزش برای عامل‌های در محیط‌های پویا
• 88. مدل‌های ارزش برای عامل‌های در محیط‌های غیر ایستا
• 89. مدل‌های ارزش برای عامل‌های در محیط‌های با تغییرات ناگهانی
• 90. مدل‌های ارزش برای عامل‌های در محیط‌های با تغییرات تدریجی
• 91. بهینه‌سازی مدل‌های ارزش در MARL
• 92. ارزیابی عملکرد مدل‌های ارزش در MARL
• 93. چالش‌های آینده در MARL