دوره یادگیری تقویتی چندعامله برای حل مسائل پیچیده در کنترل پهپادهای گروهی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی چندعامله برای حل مسائل پیچیده در کنترل پهپادهای گروهی

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای کنترل پهپادهای گروهی

📋 سرفصل‌های دوره

• 1. مبانی یادگیری تقویتی
• 2. مقدمه‌ای بر یادگیری تقویتی چندعامله
• 3. عوامل در محیط‌های پویا
• 4. تابع پاداش و طراحی آن
• 5. تابع ارزش و ویژگی‌های آن
• 6. الگوریتم‌های یادگیری تقویتی تک‌عامله
• 7. یادگیری Q-Learning
• 8. یادگیری SARSA
• 9. پیاده‌سازی الگوریتم‌های پایه
• 10. مدل‌های محیطی و عامل‌ها
• 11. شناخت محیط‌های پیچیده
• 12. مدل‌سازی رفتار عامل‌ها
• 13. مفاهیم حاکم بر هماهنگی
• 14. نظریه بازی‌ها و کاربرد آن
• 15. بازی‌های همکارانه و رقابتی
• 16. مکانیسم‌های هماهنگی
• 17. الگوریتم‌های یادگیری تقویتی چندعامله
• 18. یادگیری تطبیقی عامل‌ها
• 19. یادگیری مبتنی بر عامل مرکزی
• 20. یادگیری مبتنی بر عامل توزیع‌شده
• 21. الگوریتم‌های مبتنی بر عدم قطعیت
• 22. یادگیری مبتنی بر عامل‌های نامطمئن
• 23. مدل‌سازی عدم قطعیت در محیط
• 24. کاربرد در کنترل پهپادهای گروهی
• 25. مقدمه‌ای بر سیستم‌های پهپادی
• 26. مفاهیم اولیه پرواز پهپاد
• 27. محدودیت‌های پهپادها
• 28. ماموریت‌های گروهی پهپادها
• 29. طراحی مسیر برای پهپادهای گروهی
• 30. اجتناب از برخورد در گروه
• 31. هماهنگی در ماموریت‌های شناسایی
• 32. هماهنگی در ماموریت‌های نظارتی
• 33. هماهنگی در ماموریت‌های امداد و نجات
• 34. کاربرد یادگیری تقویتی در کنترل پهپاد
• 35. طراحی تابع پاداش برای پهپادها
• 36. طراحی تابع ارزش برای پهپادها
• 37. پیاده‌سازی یادگیری تقویتی برای یک عامل
• 38. پیاده‌سازی یادگیری تقویتی برای دو عامل
• 39. پیاده‌سازی یادگیری تقویتی برای گروهی از پهپادها
• 40. مدل‌سازی پیشرفته محیط پهپادی
• 41. شبیه‌سازی محیط‌های واقعی
• 42. تأثیر نویز و اغتشاش
• 43. مدل‌سازی دینامیک پهپاد
• 44. الگوریتم‌های یادگیری تقویتی پیشرفته
• 45. یادگیری عمیق تقویتی
• 46. شبکه‌های عصبی کانولوشنی در یادگیری تقویتی
• 47. شبکه‌های عصبی بازگشتی در یادگیری تقویتی
• 48. یادگیری تقویتی مبتنی بر مدل
• 49. یادگیری تقویتی بدون مدل
• 50. یادگیری تقویتی ترتیبی
• 51. یادگیری تقویتی با پاداش پراکنده
• 52. یادگیری تقویتی با پاداش‌های پیچیده
• 53. بهینه‌سازی پارامترهای یادگیری تقویتی
• 54. تنظیم نرخ یادگیری
• 55. تنظیم پارامترهای تابع اکتشاف
• 56. تنظیم معماری شبکه‌های عصبی
• 57. اعتبارسنجی و ارزیابی عملکرد
• 58. معیارهای ارزیابی در یادگیری تقویتی
• 59. مقایسه با الگوریتم‌های کلاسیک
• 60. تحلیل حساسیت به پارامترها
• 61. کاربردهای پیشرفته در کنترل پهپاد
• 62. کنترل ترافیک هوایی پهپادهای گروهی
• 63. مدیریت منابع در ماموریت‌های گروهی
• 64. بهینه‌سازی مصرف انرژی پهپادها
• 65. یادگیری همکاری پویا بین پهپادها
• 66. یادگیری رقابت سازنده بین پهپادها
• 67. یادگیری در حضور عامل‌های نامطلوب
• 68. امنیت در سیستم‌های پهپادی گروهی
• 69. یادگیری استراتژی‌های دفاعی
• 70. یادگیری استراتژی‌های تهاجمی
• 71. یادگیری برای مقابله با اختلالات
• 72. اخلاق در هوش مصنوعی و پهپادها
• 73. مسئولیت‌پذیری در سیستم‌های خودکار
• 74. پیامدهای اجتماعی فناوری پهپادی
• 75. چارچوب‌های قانونی و مقرراتی
• 76. رعایت حریم خصوصی در نظارت پهپادی
• 77. ملاحظات ایمنی در عملیات پهپادی
• 78. نظارت و کنترل بر عملیات پهپادی
• 79. اصول مهندسی نرم‌افزار در سیستم‌های پهپادی
• 80. اصول مهندسی سخت‌افزار در سیستم‌های پهپادی
• 81. سیستم‌های ارتباطی برای پهپادهای گروهی
• 82. پردازش داده‌های حسگرهای پهپادی
• 83. تحلیل داده‌های پروازی پهپادها
• 84. کاربرد یادگیری ماشین در تحلیل داده‌های پهپادی
• 85. پیش‌بینی خرابی پهپادها
• 86. تشخیص ناهنجاری در پرواز پهپادها
• 87. بهینه‌سازی زمان‌بندی ماموریت‌های پهپادی
• 88. سیستم‌های خودکار برای مدیریت ناوگان پهپادی
• 89. مقدمه‌ای بر رباتیک پروازی
• 90. طراحی سیستم‌های کنترل پرواز
• 91. مفاهیم ناوبری و موقعیت‌یابی
• 92. سیستم‌های تعقیب و شناسایی اهداف
• 93. پردازش تصویر برای پهپادها
• 94. بینایی ماشین در کاربردهای پهپادی
• 95. یادگیری تقویتی برای وظایف بینایی ماشین
• 96. یادگیری تقویتی برای تشخیص و ردیابی
• 97. یادگیری تقویتی برای نقشه‌برداری و بازسازی سه‌بعدی
• 98. کاربرد در کشاورزی دقیق
• 99. کاربرد در بازرسی زیرساخت‌ها
• 100. کاربرد در جستجو و نجات