دوره شبکه‌های عصبی کانولوشنی تعمیم‌یافته برای استنتاج اجتماعی در MARL همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شبکه‌های عصبی کانولوشنی تعمیم‌یافته برای استنتاج اجتماعی در MARL

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: شبکه‌های عصبی کانولوشنی (CNN)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر شبکه‌های عصبی کانولوشنی تعمیم‌یافته
• 2. مبانی استنتاج اجتماعی در سیستم‌های چندعاملی
• 3. مروری بر یادگیری تقویتی چندعاملی (MARL)
• 4. معماری‌های پایه شبکه‌های عصبی کانولوشنی (CNN)
• 5. توابع فعال‌سازی و بهینه‌سازها در CNN
• 6. روش‌های منظم‌سازی در شبکه‌های عصبی
• 7. مفاهیم اصلی یادگیری عمیق
• 8. شبکه‌های عصبی کانولوشنی تعمیم‌یافته (GCNN)
• 9. ساختارهای گرافی در GCNN
• 10. عملیات کانولوشن بر روی گراف‌ها
• 11. انتشار اطلاعات در گراف‌ها
• 12. یادگیری نمایش‌های برداری برای گره‌ها و گراف‌ها
• 13. شبکه‌های عصبی گراف (GNN)
• 14. GCN، GAT و GraphSAGE
• 15. کاربرد GNN در پیش‌بینی ویژگی گره‌ها
• 16. کاربرد GNN در پیش‌بینی یال‌ها
• 17. کاربرد GNN در طبقه‌بندی گراف‌ها
• 18. یادگیری تقویتی (RL)
• 19. عناصر اصلی یادگیری تقویتی: عامل، محیط، پاداش
• 20. روش‌های مبتنی بر ارزش (Value-based methods)
• 21. روش‌های مبتنی بر سیاست (Policy-based methods)
• 22. روش‌های ترکیبی (Actor-Critic)
• 23. یادگیری عمیق تقویتی (DRL)
• 24. Deep Q-Networks (DQN)
• 25. Policy Gradients
• 26. Actor-Critic DRL
• 27. مقدمه‌ای بر استنتاج اجتماعی
• 28. نظریه‌های کلاسیک استنتاج اجتماعی
• 29. مدل‌های شناختی استنتاج اجتماعی
• 30. کاربرد استنتاج اجتماعی در حوزه‌های مختلف
• 31. چالش‌های استنتاج اجتماعی
• 32. استنتاج اجتماعی در سیستم‌های هوش مصنوعی
• 33. استنتاج اجتماعی در یادگیری تقویتی
• 34. استنتاج اجتماعی در شبکه‌های عصبی
• 35. استنتاج اجتماعی در شبکه‌های عصبی کانولوشنی
• 36. استنتاج اجتماعی در شبکه‌های عصبی گراف
• 37. یادگیری تقویتی چندعاملی (MARL)
• 38. چالش‌های هماهنگی و رقابت در MARL
• 39. روش‌های استاندارد MARL
• 40. MARL مبتنی بر ارزش
• 41. MARL مبتنی بر سیاست
• 42. MARL Actor-Critic
• 43. استنتاج اجتماعی در MARL: ضرورت و اهمیت
• 44. مدل‌سازی رفتار عامل‌ها بر اساس استنتاج اجتماعی
• 45. تأثیر استنتاج اجتماعی بر تصمیم‌گیری در MARL
• 46. استنتاج اجتماعی برای درک اهداف عامل‌های دیگر
• 47. استنتاج اجتماعی برای پیش‌بینی اقدامات عامل‌های دیگر
• 48. استنتاج اجتماعی برای مدل‌سازی باورهای عامل‌های دیگر
• 49. استنتاج اجتماعی برای مدل‌سازی ترجیحات عامل‌های دیگر
• 50. شبکه‌های عصبی کانولوشنی تعمیم‌یافته برای استنتاج اجتماعی
• 51. معماری GCNN برای پردازش اطلاعات اجتماعی
• 52. استفاده از GCNN برای نمایش تعاملات بین عامل‌ها
• 53. مدل‌سازی اطلاعات محیطی با GCNN
• 54. مدل‌سازی اطلاعات مربوط به سایر عامل‌ها با GCNN
• 55. ترکیب GCNN با مکانیسم‌های توجه
• 56. استفاده از GCNN برای یادگیری توابع ارزش اجتماعی
• 57. استفاده از GCNN برای یادگیری سیاست‌های اجتماعی
• 58. پیاده‌سازی GCNN در چارچوب MARL
• 59. آموزش مدل‌های GCNN-MARL
• 60. ارزیابی عملکرد مدل‌های GCNN-MARL
• 61. معیارهای ارزیابی در MARL
• 62. معیارهای ارزیابی استنتاج اجتماعی
• 63. مطالعات موردی کاربرد GCNN-MARL در استنتاج اجتماعی
• 64. کاربرد در رباتیک همکاری‌کننده
• 65. کاربرد در بازی‌های چندنفره
• 66. کاربرد در سیستم‌های توصیه‌گر
• 67. کاربرد در مدیریت ترافیک
• 68. کاربرد در شبکه‌های توزیع‌شده
• 69. کاربرد در تحلیل رفتار کاربران
• 70. کاربرد در مدل‌سازی اقتصادی
• 71. کاربرد در سیستم‌های خودران
• 72. کاربرد در شبکه‌های اجتماعی
• 73. پیشرفت‌های اخیر در GCNN برای استنتاج اجتماعی
• 74. چالش‌های آینده در GCNN-MARL
• 75. مسائل اخلاقی در استنتاج اجتماعی با هوش مصنوعی
• 76. حریم خصوصی در جمع‌آوری داده‌های اجتماعی
• 77. شفافیت و قابلیت تفسیر مدل‌ها
• 78. قوانین و مقررات مربوط به هوش مصنوعی در ایران
• 79. اصول اخلاقی در پژوهش‌های هوش مصنوعی
• 80. رویکردهای نوین در استنتاج اجتماعی
• 81. یادگیری توضیحی (Explainable AI) در استنتاج اجتماعی
• 82. یادگیری تقویتی با استنتاج اجتماعی قوی‌تر
• 83. روش‌های تعمیم‌پذیر برای استنتاج اجتماعی
• 84. استنتاج اجتماعی در محیط‌های پویا
• 85. استنتاج اجتماعی در حضور عامل‌های غیرهمگن
• 86. کاربرد GCNN در مدل‌سازی باورهای مشترک
• 87. مدل‌سازی عدم قطعیت در استنتاج اجتماعی
• 88. استنتاج اجتماعی مبتنی بر شواهد
• 89. استنتاج اجتماعی از طریق ارتباطات صریح
• 90. استنتاج اجتماعی از طریق مشاهدات ضمنی
• 91. تأثیر ساختار ارتباطات بر استنتاج اجتماعی
• 92. مدل‌سازی پیش‌بینی‌های متقابل بین عامل‌ها
• 93. استفاده از GCNN برای یادگیری دینامیک‌های اجتماعی
• 94. شبکه‌های عصبی کانولوشنی تعمیم‌یافته برای مدل‌سازی دینامیک‌های استنتاج اجتماعی
• 95. آموزش و ارزیابی مدل‌های پیشرفته GCNN-MARL
• 96. آینده پژوهش در استنتاج اجتماعی با GCNN