کتاب صوتی کاربرد شبکه‌های عصبی در یادگیری و بهینه‌سازی توابع پاداش

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد شبکه‌های عصبی در یادگیری و بهینه‌سازی توابع پاداش

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: توابع پاداش (Reward Functions)

📋 سرفصل‌های دوره

• 1. مقدمه ای بر شبکه‌های عصبی و یادگیری تقویتی
• 2. مفاهیم اساسی شبکه‌های عصبی مصنوعی
• 3. ساختار و عملکرد نورون‌های مصنوعی
• 4. تابع فعال‌سازی و انواع آن
• 5. شبکه‌های عصبی پیشخور (Feedforward Neural Networks)
• 6. آموزش شبکه‌های عصبی: پس‌انتشار خطا (Backpropagation)
• 7. بهینه‌سازی پارامترهای شبکه‌های عصبی
• 8. معرفی یادگیری تقویتی (Reinforcement Learning)
• 9. عناصر کلیدی یادگیری تقویتی: عامل، محیط، حالت، عمل، پاداش
• 10. فرآیندهای تصمیم‌گیری مارکوف (Markov Decision Processes - MDPs)
• 11. تابع ارزش (Value Function) و تابع سیاست (Policy Function)
• 12. مدل‌های مبتنی بر ارزش (Value-based Models)
• 13. یادگیری Q (Q-Learning)
• 14. یادگیری SARSA
• 15. مدل‌های مبتنی بر سیاست (Policy-based Models)
• 16. گرادیان سیاست (Policy Gradient)
• 17. معرفی شبکه‌های عصبی عمیق (Deep Neural Networks)
• 18. یادگیری عمیق در یادگیری تقویتی
• 19. شبکه‌های عصبی کانولوشنال (CNNs) در یادگیری تقویتی
• 20. شبکه‌های عصبی بازگشتی (RNNs) در یادگیری تقویتی
• 21. شبکه‌های عصبی کانولوشنال-بازگشتی (CRNNs)
• 22. بهینه‌سازی توابع پاداش با شبکه‌های عصبی
• 23. طراحی تابع پاداش (Reward Function Design)
• 24. چالش‌های طراحی تابع پاداش
• 25. تکنیک‌های بهبود طراحی تابع پاداش
• 26. پاداش‌های ضمنی (Intrinsic Rewards)
• 27. انتقال یادگیری (Transfer Learning) در یادگیری تقویتی
• 28. یادگیری چند عاملی (Multi-Agent Reinforcement Learning)
• 29. کاربردهای شبکه‌های عصبی در یادگیری تقویتی
• 30. یادگیری تقویتی در رباتیک
• 31. یادگیری تقویتی در بازی‌ها
• 32. یادگیری تقویتی در سیستم‌های توصیه‌گر
• 33. یادگیری تقویتی در مدیریت منابع
• 34. یادگیری تقویتی در بهینه‌سازی مالی (مطابق مقررات)
• 35. یادگیری تقویتی در هوش مصنوعی خودرو (بدون ترویج موارد ممنوع)
• 36. یادگیری تقویتی در پردازش زبان طبیعی (با رعایت چارچوب)
• 37. معرفی الگوریتم‌های پیشرفته یادگیری تقویتی
• 38. Deep Q-Networks (DQN)
• 39. Double DQN
• 40. Dueling DQN
• 41. Prioritized Experience Replay
• 42. Actor-Critic Methods
• 43. Asynchronous Advantage Actor-Critic (A3C)
• 44. Deep Deterministic Policy Gradient (DDPG)
• 45. Trust Region Policy Optimization (TRPO)
• 46. Proximal Policy Optimization (PPO)
• 47. Soft Actor-Critic (SAC)
• 48. Exploration vs. Exploitation Trade-off
• 49. تکنیک‌های اکتشاف (Exploration Techniques)
• 50. ε-greedy Exploration
• 51. Boltzmann Exploration
• 52. Upper Confidence Bound (UCB)
• 53. Thompson Sampling
• 54. Noise Injection for Exploration
• 55. Regularization Techniques in Deep Reinforcement Learning
• 56. L1 and L2 Regularization
• 57. Dropout
• 58. Batch Normalization
• 59. Weight Decay
• 60. Handling Non-Stationarity in Multi-Agent Systems
• 61. Cooperative Multi-Agent RL
• 62. Competitive Multi-Agent RL
• 63. Mixed Multi-Agent RL
• 64. Centralized Training with Decentralized Execution (CTDE)
• 65. Scalability of Reinforcement Learning Algorithms
• 66. Distributed Reinforcement Learning
• 67. Parallel Reinforcement Learning
• 68. Hardware Accelerators for RL
• 69. Model-based Reinforcement Learning
• 70. Model-free Reinforcement Learning
• 71. Model-based RL with Learned Models
• 72. Model Predictive Control (MPC) with Learned Models
• 73. Simulation-to-Real Transfer (Sim2Real)
• 74. Domain Randomization
• 75. Domain Adaptation
• 76. Meta-Learning for Reinforcement Learning
• 77. Few-shot Reinforcement Learning
• 78. Learning to Learn in RL
• 79. Safe Reinforcement Learning
• 80. Constrained Policy Optimization
• 81. Safe Exploration
• 82. Robust Reinforcement Learning
• 83. Adversarial Attacks on RL Agents
• 84. Defense Mechanisms against Adversarial Attacks
• 85. Interpretability and Explainability in RL
• 86. Visualizing RL Agent Decisions
• 87. Feature Importance in RL
• 88. Understanding Policy Behavior
• 89. Ethical Considerations in Reinforcement Learning
• 90. Bias in Reward Functions and Data
• 91. Fairness in RL Systems
• 92. Accountability of RL Agents
• 93. Future Trends in RL and Neural Networks
• 94. Reinforcement Learning for Scientific Discovery
• 95. Reinforcement Learning for Creative Applications
• 96. The Role of RL in the Future of AI
• 97. Practical Implementation of RL Systems
• 98. Choosing the Right RL Algorithm
• 99. Hyperparameter Tuning for RL
• 100. Debugging RL Implementations