سپنتا کتاب اکسپرس
کتاب روش‌های یادگیری تطبیقی برای عامل مستقل در MARL

کتاب روش‌های یادگیری تطبیقی برای عامل مستقل 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 روش‌های یادگیری تطبیقی برای عامل مستقل در MARL

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: روش‌های مبتنی بر عامل مستقل (Independent Agent Methods)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه به یادگیری تقویتی چند عامله (MARL)
  • 2. تعریف عامل مستقل
  • 3. چالش‌های عامل مستقل در MARL
  • 4. تمایز بین عامل مستقل و هماهنگ
  • 5. اهداف یادگیری تطبیقی در عامل مستقل
  • 6. مفاهیم کلیدی یادگیری تطبیقی
  • 7. یادگیری تطبیقی در مقابل یادگیری مبتنی بر مدل
  • 8. یادگیری تطبیقی در مقابل یادگیری بدون نظارت
  • 9. یادگیری تطبیقی در مقابل یادگیری نیمه نظارت شده
  • 10. مقدمه به یادگیری تطبیقی
  • 11. مفهوم تابع ارزش Q
  • 12. مفهوم تابع ارزش V
  • 13. مفهوم سیاست (Policy)
  • 14. مقدمه به یادگیری تطبیقی برای عامل مستقل
  • 15. یادگیری تطبیقی مبتنی بر ارزش
  • 16. یادگیری تطبیقی مبتنی بر سیاست
  • 17. یادگیری تطبیقی ترکیبی
  • 18. مقدمه به الگوریتم‌های یادگیری تطبیقی
  • 19. الگوریتم Q-Learning
  • 20. الگوریتم SARSA
  • 21. الگوریتم Policy Gradient
  • 22. الگوریتم Actor-Critic
  • 23. تطبیق Q-Learning برای عامل مستقل
  • 24. چالش‌های Q-Learning در محیط‌های چند عامله
  • 25. تکنیک‌های تطبیق Q-Learning
  • 26. Deep Q-Networks (DQN)
  • 27. Double DQN
  • 28. Dueling DQN
  • 29. Prioritized Experience Replay
  • 30. Multi-step learning
  • 31. تطبیق SARSA برای عامل مستقل
  • 32. چالش‌های SARSA در محیط‌های چند عامله
  • 33. تکنیک‌های تطبیق SARSA
  • 34. تطبیق Policy Gradient برای عامل مستقل
  • 35. چالش‌های Policy Gradient در محیط‌های چند عامله
  • 36. تکنیک‌های تطبیق Policy Gradient
  • 37. REINFORCE
  • 38. Actor-Critic (A2C)
  • 39. Asynchronous Advantage Actor-Critic (A3C)
  • 40. Proximal Policy Optimization (PPO)
  • 41. Trust Region Policy Optimization (TRPO)
  • 42. تطبیق Actor-Critic برای عامل مستقل
  • 43. چالش‌های Actor-Critic در محیط‌های چند عامله
  • 44. تکنیک‌های تطبیق Actor-Critic
  • 45. Deep Deterministic Policy Gradient (DDPG)
  • 46. Twin Delayed Deep Deterministic Policy Gradient (TD3)
  • 47. Soft Actor-Critic (SAC)
  • 48. مقدمه به یادگیری تطبیقی با استفاده از شبکه‌های عصبی عمیق
  • 49. نقش شبکه‌های عصبی عمیق در MARL
  • 50. معماری‌های شبکه‌های عصبی برای عامل مستقل
  • 51. شبکه‌های عصبی کانولوشنال (CNN)
  • 52. شبکه‌های عصبی بازگشتی (RNN)
  • 53. شبکه‌های عصبی ترنسفورمر (Transformer)
  • 54. استفاده از CNN در عامل مستقل
  • 55. استفاده از RNN در عامل مستقل
  • 56. استفاده از Transformer در عامل مستقل
  • 57. مقدمه به تکنیک‌های پیشرفته یادگیری تطبیقی برای عامل مستقل
  • 58. یادگیری با محیط‌های شبیه‌سازی شده
  • 59. یادگیری با داده‌های واقعی
  • 60. یادگیری با انتقال (Transfer Learning)
  • 61. یادگیری با تقلب (Imitation Learning)
  • 62. یادگیری با تقلب از یک عامل مسلط
  • 63. یادگیری با تقلب از چندین عامل
  • 64. یادگیری با تقلب برای کاهش وابستگی به داده‌های برچسب‌دار
  • 65. یادگیری با انتقال از یک وظیفه به وظیفه دیگر
  • 66. یادگیری با انتقال بین محیط‌های مشابه
  • 67. یادگیری با انتقال برای تسریع فرآیند یادگیری
  • 68. یادگیری تقویتی خودگانه (Self-Play)
  • 69. کاربرد Self-Play در بازی‌های دو نفره
  • 70. کاربرد Self-Play در بازی‌های چند نفره
  • 71. چالش‌های Self-Play
  • 72. یادگیری تقویتی مبتنی بر نظریه بازی‌ها
  • 73. مفهوم تعادل نش (Nash Equilibrium)
  • 74. مفهوم تعادل کورنو (Cournot Equilibrium)
  • 75. کاربرد نظریه بازی‌ها در عامل مستقل
  • 76. یادگیری مبتنی بر رویداد (Event-Driven Learning)
  • 77. استفاده از رویدادها برای هدایت یادگیری
  • 78. مدل‌سازی رویدادها
  • 79. واکنش به رویدادها
  • 80. یادگیری تطبیقی مبتنی بر مدل پیش‌بین (Predictive Model-Based Learning)
  • 81. ساخت مدل محیط
  • 82. استفاده از مدل برای برنامه‌ریزی
  • 83. یادگیری تطبیقی در محیط‌های پویا
  • 84. چالش‌های محیط‌های پویا
  • 85. تکنیک‌های سازگاری با محیط‌های پویا
  • 86. یادگیری تطبیقی در محیط‌های با عدم قطعیت
  • 87. چالش‌های عدم قطعیت
  • 88. تکنیک‌های مقابله با عدم قطعیت
  • 89. یادگیری تطبیقی در محیط‌های با مشاهدات ناقص
  • 90. چالش‌های مشاهدات ناقص
  • 91. تکنیک‌های یادگیری با مشاهدات ناقص
  • 92. یادگیری تطبیقی برای عامل مستقل در رباتیک
  • 93. کاربرد در ربات‌های متحرک
  • 94. کاربرد در بازوهای رباتیک
  • 95. کاربرد در ربات‌های پرنده
  • 96. یادگیری تطبیقی برای عامل مستقل در بازی‌ها
  • 97. کاربرد در بازی‌های تخته‌ای
  • 98. کاربرد در بازی‌های ویدیویی
  • 99. یادگیری تطبیقی برای عامل مستقل در سیستم‌های توصیه‌گر
  • 100. کاربرد در توصیه‌گرهای شخصی‌سازی شده

📚 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.