فلش‌کارت‌های آموزشی کاربرد شبکه‌های عصبی در تصمیم‌گیری رباتیک

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد شبکه‌های عصبی در تصمیم‌گیری رباتیک

موضوع کلی: تصمیم‌گیری بهینه در شرایط عدم قطعیت

موضوع میانی: تصمیم‌گیری در هوش مصنوعی و رباتیک

📋 سرفصل‌های دوره

• 1. فصل ۱: مقدمه‌ای بر هوش مصنوعی و رباتیک
• 2. فصل ۲: مبانی شبکه‌های عصبی مصنوعی
• 3. فصل ۳: پرسپترون و شبکه‌های عصبی تک لایه
• 4. فصل ۴: شبکه‌های عصبی چند لایه و پس‌انتشار خطا
• 5. فصل ۵: توابع فعال‌سازی و انتخاب آن‌ها
• 6. فصل ۶: گرادیان کاهشی و بهینه‌سازی در شبکه‌های عصبی
• 7. فصل ۷: شبکه‌های عصبی کانولوشنی (CNN)
• 8. فصل ۸: معماری‌های پرکاربرد CNN در بینایی ماشین
• 9. فصل ۹: کاربرد CNN در تشخیص اشیاء برای رباتیک
• 10. فصل ۱۰: شبکه‌های عصبی بازگشتی (RNN)
• 11. فصل ۱۱: انواع RNN و شبکه‌های LSTM و GRU
• 12. فصل ۱۲: کاربرد RNN در پردازش توالی و زمان
• 13. فصل ۱۳: شبکه‌های عصبی ترنسفورمر (Transformer)
• 14. فصل ۱۴: مکانیزم توجه (Attention Mechanism)
• 15. فصل ۱۵: کاربرد ترنسفورمر در رباتیک حرکتی
• 16. فصل ۱۶: یادگیری تقویتی (Reinforcement Learning)
• 17. فصل ۱۷: مبانی یادگیری تقویتی و فرایند آن
• 18. فصل ۱۸: الگوریتم‌های یادگیری تقویتی مبتنی بر ارزش
• 19. فصل ۱۹: الگوریتم‌های یادگیری تقویتی مبتنی بر سیاست
• 20. فصل ۲۰: شبکه‌های عصبی عمیق در یادگیری تقویتی (DQN)
• 21. فصل ۲۱: الگوریتم‌های Policy Gradient پیشرفته
• 22. فصل ۲۲: کاربرد یادگیری تقویتی در کنترل ربات
• 23. فصل ۲۳: یادگیری از طریق مشاهده (Imitation Learning)
• 24. فصل ۲۴: روش‌های یادگیری از طریق مشاهده
• 25. فصل ۲۵: کاربرد یادگیری از طریق مشاهده در رباتیک
• 26. فصل ۲۶: شبکه‌های عصبی گرافی (GNN)
• 27. فصل ۲۷: مبانی شبکه‌های عصبی گرافی
• 28. فصل ۲۸: کاربرد GNN در رباتیک مشارکتی
• 29. فصل ۲۹: رباتیک حرکتی و برنامه‌ریزی مسیر
• 30. فصل ۳۰: شبکه‌های عصبی در برنامه‌ریزی مسیر ربات
• 31. فصل ۳۱: ادراک ربات و ترکیب داده‌های حسی
• 32. فصل ۳۲: کاربرد شبکه‌های عصبی در ادراک چندوجهی
• 33. فصل ۳۳: دستکاری ربات و کنترل دقیق
• 34. فصل ۳۴: شبکه‌های عصبی برای کنترل دست ربات
• 35. فصل ۳۵: ربات‌های متحرک و ناوبری
• 36. فصل ۳۶: شبکه‌های عصبی در ناوبری ربات‌های متحرک
• 37. فصل ۳۷: تشخیص موانع و اجتناب از برخورد
• 38. فصل ۳۸: کاربرد شبکه‌های عصبی در اجتناب از برخورد
• 39. فصل ۳۹: تعامل انسان و ربات (HRI)
• 40. فصل ۴۰: شبکه‌های عصبی در فهم زبان طبیعی ربات
• 41. فصل ۴۱: تولید زبان طبیعی در ربات‌ها
• 42. فصل ۴۲: رباتیک اجتماعی و هوشمند
• 43. فصل ۴۳: شبکه‌های عصبی برای تعاملات اجتماعی ربات
• 44. فصل ۴۴: جمع‌آوری و پیش‌پردازش داده‌ها برای رباتیک
• 45. فصل ۴۵: داده‌های شبیه‌سازی شده در مقابل داده‌های واقعی
• 46. فصل ۴۶: ارزیابی مدل‌های شبکه‌های عصبی
• 47. فصل ۴۷: معیارهای ارزیابی در رباتیک
• 48. فصل ۴۸: ابرپارامترها و تنظیم آن‌ها
• 49. فصل ۴۹: تکنیک‌های تنظیم ابرپارامترها
• 50. فصل ۵۰: استقرار مدل‌های شبکه‌های عصبی در ربات
• 51. فصل ۵۱: چالش‌های استقرار مدل‌ها
• 52. فصل ۵۲: سخت‌افزار مورد نیاز برای شبکه‌های عصبی رباتیک
• 53. فصل ۵۳: پردازش ابری و پردازش لبه
• 54. فصل ۵۴: بینایی ماشین رباتیک با شبکه‌های عصبی
• 55. فصل ۵۵: تخمین عمق و سه‌بعدی‌سازی
• 56. فصل ۵۶: کاربرد شبکه‌های عصبی در تخمین عمق
• 57. فصل ۵۷: درک صحنه توسط ربات
• 58. فصل ۵۸: شبکه‌های عصبی برای درک صحنه
• 59. فصل ۵۹: بازسازی سه‌بعدی محیط
• 60. فصل ۶۰: شبکه‌های عصبی در بازسازی سه‌بعدی
• 61. فصل ۶۱: رباتیک سیار و خودکار
• 62. فصل ۶۲: شبکه‌های عصبی برای هدایت خودکار
• 63. فصل ۶۳: روبات‌های انسان‌نما و تعامل
• 64. فصل ۶۴: شبکه‌های عصبی برای کنترل حرکات انسان‌نما
• 65. فصل ۶۵: رباتیک صنعتی و اتوماسیون
• 66. فصل ۶۶: شبکه‌های عصبی در بازرسی کیفیت رباتیک
• 67. فصل ۶۷: رباتیک پزشکی و مراقبت‌های بهداشتی
• 68. فصل ۶۸: شبکه‌های عصبی در جراحی رباتیک
• 69. فصل ۶۹: رباتیک کشاورزی و پایش
• 70. فصل ۷۰: شبکه‌های عصبی در رباتیک کشاورزی
• 71. فصل ۷۱: رباتیک زیرآب و اکتشاف
• 72. فصل ۷۲: شبکه‌های عصبی در رباتیک زیرآب
• 73. فصل ۷۳: رباتیک فضایی و کاوش
• 74. فصل ۷۴: شبکه‌های عصبی در رباتیک فضایی
• 75. فصل ۷۵: رباتیک در محیط‌های خطرناک
• 76. فصل ۷۶: شبکه‌های عصبی برای ربات‌های امداد و نجات
• 77. فصل ۷۷: رباتیک و اخلاق
• 78. فصل ۷۸: مسئولیت‌پذیری و شفافیت در رباتیک هوشمند
• 79. فصل ۷۹: جنبه‌های قانونی و اجتماعی رباتیک
• 80. فصل ۸۰: آینده شبکه‌های عصبی در رباتیک
• 81. فصل ۸۱: روندهای نوظهور و تحقیقات پیشرو
• 82. فصل ۸۲: چالش‌های پیش رو و راه‌حل‌های ممکن
• 83. فصل ۸۳: یادگیری انتقالی (Transfer Learning) در رباتیک
• 84. فصل ۸۴: کاربرد یادگیری انتقالی برای تسریع آموزش
• 85. فصل ۸۵: یادگیری خودنظارتی (Self-Supervised Learning)
• 86. فصل ۸۶: کاربرد یادگیری خودنظارتی در رباتیک
• 87. فصل ۸۷: شبکه‌های مولد تخاصمی (GAN)
• 88. فصل ۸۸: کاربرد GAN در تولید داده‌های رباتیک
• 89. فصل ۸۹: شبکه‌های عصبی کوانتومی و رباتیک
• 90. فصل ۹۰: پتانسیل محاسبات کوانتومی در رباتیک
• 91. فصل ۹۱: طراحی ربات‌های خودمختار
• 92. فصل ۹۲: استفاده از شبکه‌های عصبی در طراحی ربات
• 93. فصل ۹۳: بهینه‌سازی رفتار ربات
• 94. فصل ۹۴: کاربرد شبکه‌های عصبی در بهینه‌سازی رفتار
• 95. فصل ۹۵: رباتیک توزیع‌شده و گروهی
• 96. فصل ۹۶: شبکه‌های عصبی برای هماهنگی ربات‌ها
• 97. فصل ۹۷: یادگیری چند عاملی (Multi-Agent Learning)
• 98. فصل ۹۸: کاربرد یادگیری چند عاملی در رباتیک
• 99. فصل ۹۹: پروژه‌های عملی و کاربردی
• 100. فصل ۱۰۰: جمع‌بندی و چشم‌انداز آینده