سپنتا کتاب اکسپرس
کتاب شبکه‌های عصبی کانولوشنی برای تعامل عامل و محیط در MARL

کتاب شبکه‌های عصبی کانولوشنی برای تعامل عامل و محیط در MARL

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب شبکه‌های عصبی کانولوشنی برای تعامل عامل و محیط در MARL

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: شبکه‌های عصبی کانولوشنی (CNN)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر یادگیری تقویتی چند عامله
  • 2. مبانی یادگیری تقویتی
  • 3. مفهوم عامل
  • 4. مفهوم محیط
  • 5. تابع پاداش
  • 6. تابع سیاست
  • 7. تابع ارزش
  • 8. یادگیری بدون مدل
  • 9. یادگیری با مدل
  • 10. یادگیری آفلاین
  • 11. یادگیری آنلاین
  • 12. مقدمه ای بر شبکه های عصبی
  • 13. شبکه های عصبی پایه
  • 14. لایه های متراکم
  • 15. توابع فعال سازی
  • 16. پس انتشار
  • 17. بهینه سازی گرادیان نزولی
  • 18. مقدمه ای بر شبکه های عصبی کانولوشنی (CNN)
  • 19. مفهوم کانولوشن
  • 20. فیلترها (هسته ها)
  • 21. نقشه های ویژگی
  • 22. لایه های پولینگ
  • 23. لایه های تمام متصل
  • 24. کاربردهای CNN در بینایی ماشین
  • 25. یادگیری تقویتی چند عامله (MARL)
  • 26. چالش های MARL
  • 27. دینامیک غیر ایستا
  • 28. عدم قطعیت مدل
  • 29. مقیاس پذیری
  • 30. همکاری و رقابت
  • 31. مقدمه ای بر CNN در MARL
  • 32. چرا CNN در MARL؟
  • 33. پردازش ورودی های تصویری
  • 34. استخراج ویژگی های فضایی
  • 35. افزایش کارایی
  • 36. معماری های CNN برای MARL
  • 37. CNN های پایه برای ورودی های تصویری
  • 38. CNN های پیچیده تر
  • 39. شبکه های کانولوشنی عمیق
  • 40. شبکه های کانولوشنی کاملاً کانولوشنی
  • 41. شبکه های کانولوشنی با اتصالات باقی مانده (Residual Connections)
  • 42. شبکه های کانولوشنی با اتصالات متراکم (Dense Connections)
  • 43. استفاده از CNN در لایه سیاست
  • 44. استفاده از CNN در لایه ارزش
  • 45. استفاده از CNN برای ادغام اطلاعات عامل ها
  • 46. معماری های CNN برای تعامل عامل و محیط
  • 47. CNN های مستقل برای هر عامل
  • 48. CNN های مشترک برای عامل ها
  • 49. CNN های سلسله مراتبی
  • 50. CNN های مبتنی بر توجه (Attention-based CNNs)
  • 51. مکانیزم های توجه فضایی
  • 52. مکانیزم های توجه زمانی
  • 53. مکانیزم های توجه مبتنی بر عامل
  • 54. شبکه های عصبی کانولوشنی برای ادراک عامل
  • 55. پردازش ورودی های حسگر تصویری
  • 56. شناسایی اشیاء در محیط
  • 57. تخمین موقعیت اشیاء
  • 58. درک صحنه
  • 59. استفاده از CNN برای یادگیری نمایش های فضایی
  • 60. یادگیری نمایش های compact از محیط
  • 61. یادگیری نمایش های قابل تعمیم
  • 62. یادگیری نمایش های مفید برای تصمیم گیری
  • 63. شبکه های عصبی کانولوشنی برای تصمیم گیری عامل
  • 64. ترکیب CNN با الگوریتم های MARL
  • 65. DDPG (Deep Deterministic Policy Gradient) با CNN
  • 66. A3C (Asynchronous Advantage Actor-Critic) با CNN
  • 67. QMIX (Q-value Mixing) با CNN
  • 68. VDN (Value Decomposition Networks) با CNN
  • 69. MADDPG (Multi-Agent Deep Deterministic Policy Gradient) با CNN
  • 70. COMA (Counterfactual Multi-Agent Policy Gradients) با CNN
  • 71. MAAC (Multi-Agent Actor-Critic) با CNN
  • 72. مقایسه معماری های مختلف CNN در MARL
  • 73. اثرات معماری CNN بر عملکرد
  • 74. انتخاب معماری مناسب برای وظایف خاص
  • 75. تنظیم ابرپارامترهای CNN
  • 76. تنظیم نرخ یادگیری
  • 77. تنظیم اندازه دسته (Batch Size)
  • 78. تنظیم عمق شبکه
  • 79. تنظیم اندازه فیلترها
  • 80. تنظیم استراتژی های منظم سازی (Regularization)
  • 81. کاربرد CNN در MARL در محیط های مختلف
  • 82. محیط های بازی (مانند StarCraft, Dota 2)
  • 83. محیط های رباتیک (مانند کنترل ربات های متحرک)
  • 84. محیط های شبیه سازی شده (مانند شبیه سازهای ترافیک)
  • 85. محیط های واقعی
  • 86. مسائل همکاری در MARL با CNN
  • 87. تخصیص وظیفه
  • 88. مسیریابی
  • 89. هماهنگی
  • 90. مسائل رقابتی در MARL با CNN
  • 91. بازی های استراتژیک
  • 92. بازی های تیمی
  • 93. موضوعات پیشرفته در CNN برای MARL
  • 94. یادگیری انتقالی (Transfer Learning) در CNN های MARL
  • 95. یادگیری تقویتی چند عامله با نظارت جزئی (Partially Observable MARL) با CNN
  • 96. یادگیری تقویتی با عدم قطعیت مدل (Model-Based MARL) با CNN
  • 97. یادگیری تقویتی با پاداش پراکنده (Sparse Reward MARL) با CNN
  • 98. یادگیری تقویتی با عامل های ناهمگن (Heterogeneous Agents) با CNN
  • 99. مقیاس پذیری CNN در MARL
  • 100. روش های کاهش پیچیدگی محاسباتی CNN

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.