فلش‌کارت‌های آموزشی راهنمای جامع یادگیری تقویتی چندعامله برای متخصصان داده‌های لرزه‌نگاری

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب راهنمای جامع یادگیری تقویتی چندعامله برای متخصصان داده‌های لرزه‌نگاری

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای طراحی سیستم‌های توزیع داده‌های علمی زمین‌شناسی لرزه‌ای

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر یادگیری تقویتی چند عامله
• 2. مفاهیم پایه یادگیری تقویتی
• 3. عامل، محیط، حالت، اقدام، پاداش
• 4. سیاست، تابع ارزش، تابع Q
• 5. اتفاقی بودن، اکتشاف در مقابل بهره‌برداری
• 6. یادگیری تقویتی تک عامله
• 7. الگوریتم‌های یادگیری تقویتی تک عامله
• 8. Q-Learning
• 9. SARSA
• 10. Deep Q-Networks (DQN)
• 11. Actor-Critic methods
• 12. یادگیری تقویتی چند عامله (MARL)
• 13. مفاهیم پایه MARL
• 14. عوامل متعدد، محیط مشترک
• 15. تعاملات عامل-عامل
• 16. مشاهده‌پذیری
• 17. تعادل در بازی‌ها
• 18. مفاهیم نظریه بازی‌ها در MARL
• 19. بازی‌های همزمان و متوالی
• 20. بازی‌های با مجموع صفر و مجموع غیرصفر
• 21. تعادل نش
• 22. تعادل کورلی
• 23. بازی‌های تکراری
• 24. انواع معماری‌های MARL
• 25. معماری‌های متمرکز
• 26. معماری‌های غیرمتمرکز
• 27. معماری‌های ترکیبی
• 28. معماری‌های مبتنی بر عامل
• 29. معماری‌های مبتنی بر محیط
• 30. معماری‌های مبتنی بر مشاهده
• 31. مدل‌های عامل در MARL
• 32. عوامل ساده
• 33. عوامل با حافظه (RNN, LSTM)
• 34. عوامل با قابلیت ارتباط
• 35. عوامل با قابلیت یادگیری از دیگران
• 36. مدل‌های محیط در MARL
• 37. محیط‌های ایستا
• 38. محیط‌های پویا
• 39. محیط‌های با پاداش مشترک
• 40. محیط‌های با پاداش مجزا
• 41. محیط‌های با مشاهده مشترک
• 42. محیط‌های با مشاهده مجزا
• 43. چالش‌های کلیدی در MARL
• 44. غیر ایستا بودن محیط (Non-stationarity)
• 45. مشکل توازن (Credit Assignment Problem)
• 46. مقیاس‌پذیری (Scalability)
• 47. مشاهده‌پذیری محدود (Partial Observability)
• 48. همکاری و رقابت
• 49. یادگیری سیاست‌های هماهنگ
• 50. یادگیری سیاست‌های رقابتی
• 51. یادگیری سیاست‌های مختلط
• 52. الگوریتم‌های MARL
• 53. الگوریتم‌های مبتنی بر ارزش
• 54. VDN (Value Decomposition Networks)
• 55. QMIX
• 56. IQL (Independent Q-Learning)
• 57. COMA (Counterfactual Multi-Agent Policy Gradient)
• 58. MADDPG (Multi-Agent Deep Deterministic Policy Gradient)
• 59. ILQL (Implicit Q-Learning)
• 60. MAPPO (Multi-Agent Proximal Policy Optimization)
• 61. الگوریتم‌های مبتنی بر سیاست
• 62. MA-PPO (Multi-Agent PPO)
• 63. MA-AC (Multi-Agent Actor-Critic)
• 64. الگوریتم‌های مبتنی بر بازی
• 65. الگوریتم‌های مبتنی بر نظریه بازی‌ها
• 66. کاربرد MARL در داده‌های لرزه‌نگاری
• 67. مقدمه ای بر داده‌های لرزه‌نگاری
• 68. انواع داده‌های لرزه‌نگاری
• 69. زلزله، لرزه‌نگار، امواج لرزه‌ای
• 70. پردازش داده‌های لرزه‌نگاری
• 71. شناسایی زلزله
• 72. مکان‌یابی زلزله
• 73. تخمین بزرگی زلزله
• 74. تشخیص انواع امواج لرزه‌ای
• 75. تفکیک نویز از سیگنال
• 76. تشخیص رویدادهای لرزه‌ای نادر
• 77. پیش‌بینی پاسخ لرزه‌ای سازه‌ها
• 78. مدل‌سازی انتشار امواج لرزه‌ای
• 79. مدیریت و بهینه‌سازی شبکه‌های لرزه‌نگاری
• 80. کاربرد MARL در شناسایی زلزله
• 81. بهینه‌سازی پارامترهای شناسایی
• 82. یادگیری سیاست‌های شناسایی تطبیقی
• 83. تشخیص زلزله در داده‌های پرت
• 84. تشخیص زلزله در زمان واقعی
• 85. کاربرد MARL در مکان‌یابی زلزله
• 86. بهینه‌سازی موقعیت‌یابی با استفاده از داده‌های چند ایستگاه
• 87. یادگیری سیاست‌های تطبیقی برای مکان‌یابی
• 88. مدل‌سازی عدم قطعیت در مکان‌یابی
• 89. کاربرد MARL در تخمین بزرگی زلزله
• 90. بهینه‌سازی تخمین بزرگی با استفاده از معیارهای مختلف
• 91. یادگیری سیاست‌های تطبیقی برای تخمین بزرگی
• 92. کاربرد MARL در تشخیص انواع امواج لرزه‌ای
• 93. تفکیک امواج P, S, Surface waves
• 94. یادگیری سیاست‌های تشخیص امواج در حضور نویز
• 95. کاربرد MARL در تفکیک نویز از سیگنال
• 96. یادگیری سیاست‌های حذف نویز تطبیقی
• 97. کاربرد MARL در تشخیص رویدادهای لرزه‌ای نادر
• 98. یادگیری سیاست‌های شناسایی رویدادهای کم‌تعداد
• 99. کاربرد MARL در پیش‌بینی پاسخ لرزه‌ای سازه‌ها
• 100. بهینه‌سازی مدل‌های دینامیکی سازه‌ها