فلش‌کارت‌های آموزشی یادگیری عمیق برای ناوبری ربات‌ها

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب یادگیری عمیق برای ناوبری ربات‌ها

موضوع کلی: رباتیک احتمالی

موضوع میانی: مدل‌سازی و استنتاج در رباتیک

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر ناوبری ربات‌ها
• 2. مفاهیم اساسی رباتیک
• 3. حسگرهای رباتیک
• 4. موتورها و عملگرهای رباتیک
• 5. مدل‌سازی حرکت ربات
• 6. مدل‌های حرکت خطی
• 7. مدل‌های حرکت غیرخطی
• 8. مدل‌های حرکت چرخ‌دار
• 9. مدل‌های حرکت آیرودینامیکی
• 10. مدل‌های حرکت دریایی
• 11. مدل‌های حرکت پروازی
• 12. مقدمه‌ای بر آمار احتمالات
• 13. متغیرهای تصادفی
• 14. توزیع‌های احتمال گسسته
• 15. توزیع‌های احتمال پیوسته
• 16. قضیه بیز
• 17. استنتاج بیزی
• 18. فیلتر کالمن
• 19. فیلتر کالمن توسعه‌یافته (EKF)
• 20. فیلتر کالمن بدون بو (UKF)
• 21. فیلتر ذرات (Particle Filter)
• 22. معماری فیلتر ذرات
• 23. بهینه‌سازی فیلتر ذرات
• 24. مقدمه‌ای بر یادگیری ماشین
• 25. یادگیری نظارت شده
• 26. یادگیری بدون نظارت
• 27. یادگیری تقویتی
• 28. شبکه‌های عصبی مصنوعی
• 29. شبکه‌های عصبی کانولوشنی (CNN)
• 30. شبکه‌های عصبی بازگشتی (RNN)
• 31. شبکه‌های حافظه بلند کوتاه (LSTM)
• 32. شبکه‌های حافظه کوتاه مدت (GRU)
• 33. شبکه‌های عصبی ترانسفورمر (Transformer)
• 34. یادگیری عمیق برای تخمین وضعیت (State Estimation)
• 35. یادگیری عمیق برای تخمین موقعیت (Localization)
• 36. یادگیری عمیق برای نقشه‌برداری (Mapping)
• 37. یادگیری عمیق برای برنامه‌ریزی مسیر (Path Planning)
• 38. یادگیری عمیق برای کنترل ناوبری (Navigation Control)
• 39. یادگیری عمیق برای شناخت محیط (Environment Perception)
• 40. یادگیری عمیق برای تشخیص موانع (Obstacle Detection)
• 41. یادگیری عمیق برای تشخیص اشیاء (Object Recognition)
• 42. یادگیری عمیق برای تقسیم‌بندی معنایی (Semantic Segmentation)
• 43. یادگیری عمیق برای تخمین عمق (Depth Estimation)
• 44. یادگیری عمیق برای تخمین جریان نوری (Optical Flow Estimation)
• 45. یادگیری عمیق برای مدل‌سازی دینامیکی محیط (Dynamic Environment Modeling)
• 46. یادگیری عمیق برای انعطاف‌پذیری در ناوبری (Robust Navigation)
• 47. یادگیری عمیق برای ناوبری در محیط‌های ناشناخته (Unknown Environments)
• 48. یادگیری عمیق برای ناوبری در محیط‌های پویا (Dynamic Environments)
• 49. یادگیری عمیق برای ناوبری در فضاهای سه‌بعدی (3D Navigation)
• 50. یادگیری عمیق برای ناوبری ربات‌های پرنده (Aerial Robotics Navigation)
• 51. یادگیری عمیق برای ناوبری ربات‌های زمینی (Ground Robotics Navigation)
• 52. یادگیری عمیق برای ناوبری ربات‌های دریایی (Marine Robotics Navigation)
• 53. یادگیری عمیق برای ناوبری ربات‌های زیرآبی (Underwater Robotics Navigation)
• 54. یادگیری عمیق برای ناوبری ربات‌های انسان‌نما (Humanoid Robotics Navigation)
• 55. یادگیری عمیق برای ناوبری ربات‌های همکار (Collaborative Robotics Navigation)
• 56. یادگیری عمیق برای ایمنی در ناوبری (Safety in Navigation)
• 57. یادگیری عمیق برای تفسیرپذیری در ناوبری (Interpretability in Navigation)
• 58. یادگیری عمیق برای تعمیم‌پذیری در ناوبری (Generalization in Navigation)
• 59. مقدمه‌ای بر داده‌های رباتیک
• 60. جمع‌آوری و پیش‌پردازش داده‌های رباتیک
• 61. برچسب‌گذاری داده‌های رباتیک
• 62. افزایش داده (Data Augmentation)
• 63. معماری‌های یادگیری عمیق برای تخمین وضعیت
• 64. معماری‌های یادگیری عمیق برای تخمین موقعیت
• 65. معماری‌های یادگیری عمیق برای نقشه‌برداری
• 66. معماری‌های یادگیری عمیق برای برنامه‌ریزی مسیر
• 67. معماری‌های یادگیری عمیق برای کنترل ناوبری
• 68. مدل‌های بیزین گرافیکی (Graphical Bayesian Models)
• 69. شبکه‌های بیزین (Bayesian Networks)
• 70. ماشین‌های بولتزمن محدود (Restricted Boltzmann Machines)
• 71. خودرمزگذارها (Autoencoders)
• 72. خودرمزگذار متغیر (Variational Autoencoders - VAE)
• 73. شبکه‌های مولد تخاصمی (Generative Adversarial Networks - GAN)
• 74. یادگیری انتقالی (Transfer Learning)
• 75. یادگیری چندوظیفه‌ای (Multi-task Learning)
• 76. یادگیری با داده‌های کم (Few-shot Learning)
• 77. یادگیری تقویتی عمیق (Deep Reinforcement Learning - DRL)
• 78. یادگیری تقویتی بدون مدل (Model-free DRL)
• 79. یادگیری تقویتی مبتنی بر مدل (Model-based DRL)
• 80. الگوریتم‌های DRL برای ناوبری
• 81. پیاده‌سازی DRL در محیط‌های شبیه‌سازی شده
• 82. پیاده‌سازی DRL بر روی سخت‌افزار ربات
• 83. ارزیابی عملکرد مدل‌های یادگیری عمیق
• 84. معیارهای ارزیابی در ناوبری ربات‌ها
• 85. چالش‌های یادگیری عمیق در ناوبری ربات‌ها
• 86. آینده یادگیری عمیق در ناوبری ربات‌ها