, ,

کتاب یادگیری تقویتی چندعامله: مقدمه‌ای بر هوش مصنوعی جمعی در رباتیک

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.

📚 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 یادگیری تقویتی چندعامله: مقدمه‌ای بر هوش مصنوعی جمعی در رباتیک

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای کنترل ربات‌های صنعتی برای انجام وظایف نگهداری و تعمیر

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر یادگیری تقویتی
  • 2. مقدمه‌ای بر یادگیری تقویتی چندعامله
  • 3. مفهوم هوش مصنوعی جمعی
  • 4. کاربرد هوش مصنوعی جمعی در رباتیک
  • 5. تاریخچه یادگیری تقویتی
  • 6. تاریخچه هوش مصنوعی جمعی
  • 7. تاریخچه رباتیک
  • 8. مبانی یادگیری تقویتی
  • 9. مدل مارکوف تصمیم‌گیری (MDP)
  • 10. حالت، عمل، پاداش، تابع انتقال
  • 11. اپیزودیک و پیوسته
  • 12. استراتژی (سیاست)
  • 13. تابع ارزش
  • 14. تابع ارزش حالت-عمل
  • 15. معادلات بلمن
  • 16. یادگیری بدون مدل
  • 17. یادگیری با مدل
  • 18. الگوریتم‌های یادگیری تقویتی بدون مدل
  • 19. Q-Learning
  • 20. SARSA
  • 21. Deep Q-Networks (DQN)
  • 22. الگوریتم‌های یادگیری تقویتی با مدل
  • 23. Dynamic Programming
  • 24. Value Iteration
  • 25. Policy Iteration
  • 26. یادگیری تقویتی عمیق (Deep Reinforcement Learning)
  • 27. شبکه‌های عصبی عمیق
  • 28. شبکه‌های عصبی کانولوشنال (CNN)
  • 29. شبکه‌های عصبی بازگشتی (RNN)
  • 30. ترکیب یادگیری تقویتی و یادگیری عمیق
  • 31. مقدمه‌ای بر یادگیری تقویتی چندعامله (MARL)
  • 32. تفاوت MARL با RL تک عامله
  • 33. چالش‌های MARL
  • 34. عدم ایستایی محیط
  • 35. مشاهده‌پذیری جزئی
  • 36. هماهنگی و رقابت
  • 37. پیچیدگی محاسباتی
  • 38. انواع محیط‌های MARL
  • 39. محیط‌های مشترک
  • 40. محیط‌های رقابتی
  • 41. محیط‌های مختلط
  • 42. محیط‌های با ارتباط محدود
  • 43. محیط‌های با مشاهدات مشترک
  • 44. محیط‌های با مشاهدات جداگانه
  • 45. مفاهیم کلیدی در MARL
  • 46. تابع ارزش چندعامله
  • 47. تابع ارزش مشترک
  • 48. تابع ارزش فردی
  • 49. استانداردسازی پاداش
  • 50. هماهنگی و همکاری
  • 51. استراتژی‌های همکاری
  • 52. استراتژی‌های رقابت
  • 53. رقابت صفر و یک
  • 54. رقابت غیر صفر و یک
  • 55. همگرایی در MARL
  • 56. توازن در بازی‌ها
  • 57. توازن نش (Nash Equilibrium)
  • 58. توازن کورلی-نیش (Correlated Equilibrium)
  • 59. الگوریتم‌های MARL
  • 60. مقدمه‌ای بر الگوریتم‌های MARL
  • 61. الگوریتم‌های مبتنی بر توازن
  • 62. الگوریتم‌های مبتنی بر بازی
  • 63. الگوریتم‌های مبتنی بر سیاست
  • 64. الگوریتم‌های مبتنی بر ارزش
  • 65. الگوریتم‌های یادگیری جمعی (Multi-Agent Learning)
  • 66. اتحاد و عدم اتحاد
  • 67. اتحاد در MARL
  • 68. عدم اتحاد در MARL
  • 69. الگوریتم‌های یادگیری متمرکز و غیرمتمرکز
  • 70. یادگیری متمرکز (Centralized Learning)
  • 71. یادگیری غیرمتمرکز (Decentralized Learning)
  • 72. یادگیری متمرکز-اجرا (Centralized Training, Decentralized Execution – CTDE)
  • 73. الگوریتم‌های یادگیری تقویتی برای رباتیک
  • 74. کاربرد MARL در رباتیک
  • 75. مقدمه‌ای بر هوش مصنوعی جمعی در رباتیک
  • 76. مفهوم هوش مصنوعی جمعی در رباتیک
  • 77. موردکاوی‌های هوش مصنوعی جمعی در رباتیک
  • 78. ربات‌های خودمختار
  • 79. ربات‌های همکار
  • 80. ربات‌های کاوشگر
  • 81. ربات‌های صنعتی
  • 82. ربات‌های پروازی
  • 83. ربات‌های دریایی
  • 84. ربات‌های خانگی
  • 85. چالش‌های هوش مصنوعی جمعی در رباتیک
  • 86. هماهنگی ربات‌ها
  • 87. ارتباط ربات‌ها
  • 88. شناسایی ربات‌ها
  • 89. تخصیص وظایف
  • 90. مدیریت منابع
  • 91. ایمنی در سیستم‌های رباتیک جمعی
  • 92. پیاده‌سازی MARL در رباتیک
  • 93. محیط‌های شبیه‌سازی رباتیک
  • 94. Gazebo
  • 95. CoppeliaSim
  • 96. PyBullet
  • 97. RoboSchool
  • 98. ابزارهای توسعه MARL
  • 99. OpenAI Gym
  • 100. PettingZoo

📚 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

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب یادگیری تقویتی چندعامله: مقدمه‌ای بر هوش مصنوعی جمعی در رباتیک”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیمایش به بالا