کتاب شبیه‌سازی و ارزیابی عملکرد خودروهای خودران مبتنی بر یادگیری تقویتی چندعامله

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 شبیه‌سازی و ارزیابی عملکرد خودروهای خودران مبتنی بر یادگیری تقویتی چندعامله

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: خودروهای خودران (Autonomous Vehicles)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مبانی یادگیری ماشین
  • 2. مقدمه‌ای بر یادگیری تقویتی
  • 3. مبانی یادگیری عمیق
  • 4. مقدمه‌ای بر شبکه‌های عصبی کانولوشنی (CNN)
  • 5. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
  • 6. مقدمه‌ای بر یادگیری تقویتی عمیق (DRL)
  • 7. مقدمه‌ای بر یادگیری تقویتی چندعامله (MARL)
  • 8. مبانی نظریه بازی‌ها
  • 9. کاربرد MARL در سیستم‌های چندعامله
  • 10. کاربرد DRL در کنترل رباتیک
  • 11. مبانی شبیه‌سازی خودرو
  • 12. معماری‌های نرم‌افزاری شبیه‌ساز خودرو
  • 13. معرفی شبیه‌سازهای خودروی رایج (مانند CARLA, AirSim, SUMO)
  • 14. نصب و راه‌اندازی شبیه‌ساز CARLA
  • 15. نصب و راه‌اندازی شبیه‌ساز AirSim
  • 16. نصب و راه‌اندازی شبیه‌ساز SUMO
  • 17. پیاده‌سازی سناریوهای رانندگی در شبیه‌ساز
  • 18. ایجاد محیط‌های شبیه‌سازی سفارشی
  • 19. مدل‌سازی حسگرهای خودرو (دوربین، لیدار، رادار)
  • 20. مدل‌سازی فیزیک خودرو
  • 21. مدل‌سازی رفتار ترافیک
  • 22. تولید داده‌های شبیه‌سازی
  • 23. ارزیابی عملکرد شبیه‌ساز
  • 24. مبانی کنترل خودرو
  • 25. مبانی سیستم‌های تعلیق خودرو
  • 26. مبانی سیستم‌های ترمز خودرو
  • 27. مبانی سیستم‌های فرمان خودرو
  • 28. مبانی سیستم‌های پیشرانه خودرو
  • 29. مبانی سیستم‌های ایمنی خودرو
  • 30. مقدمه‌ای بر الگوریتم‌های برنامه‌ریزی مسیر
  • 31. مقدمه‌ای بر الگوریتم‌های کنترل پیش‌بین مدل (MPC)
  • 32. مقدمه‌ای بر الگوریتم‌های کنترل فازی
  • 33. مقدمه‌ای بر الگوریتم‌های کنترل عصبی
  • 34. مقدمه‌ای بر الگوریتم‌های بهینه‌سازی مسیر
  • 35. مقدمه‌ای بر الگوریتم‌های تشخیص موانع
  • 36. مقدمه‌ای بر الگوریتم‌های تشخیص عابر پیاده
  • 37. مقدمه‌ای بر الگوریتم‌های تشخیص علائم راهنمایی و رانندگی
  • 38. مقدمه‌ای بر الگوریتم‌های تشخیص خطوط جاده
  • 39. مقدمه‌ای بر الگوریتم‌های تخمین وضعیت خودرو
  • 40. مقدمه‌ای بر الگوریتم‌های تخمین وضعیت محیط
  • 41. مبانی یادگیری ماشین برای ادراک خودرو
  • 42. استفاده از CNN برای تشخیص اشیاء
  • 43. استفاده از RNN برای پیش‌بینی رفتار
  • 44. استفاده از الگوریتم‌های یادگیری تقویتی برای کنترل
  • 45. مقدمه‌ای بر الگوریتم‌های Q-learning
  • 46. مقدمه‌ای بر الگوریتم‌های Deep Q-Networks (DQN)
  • 47. مقدمه‌ای بر الگوریتم‌های Policy Gradients
  • 48. مقدمه‌ای بر الگوریتم‌های Actor-Critic
  • 49. مقدمه‌ای بر الگوریتم‌های Proximal Policy Optimization (PPO)
  • 50. مقدمه‌ای بر الگوریتم‌های Trust Region Policy Optimization (TRPO)
  • 51. مقدمه‌ای بر الگوریتم‌های Deep Deterministic Policy Gradient (DDPG)
  • 52. مقدمه‌ای بر الگوریتم‌های Twin Delayed Deep Deterministic Policy Gradient (TD3)
  • 53. مقدمه‌ای بر الگوریتم‌های Soft Actor-Critic (SAC)
  • 54. مقدمه‌ای بر الگوریتم‌های Multi-Agent Deep Deterministic Policy Gradient (MADDPG)
  • 55. مقدمه‌ای بر الگوریتم‌های Counterfactual Multi-Agent Policy Gradients (COMA)
  • 56. مقدمه‌ای بر الگوریتم‌های Multi-Agent PPO (MAPPO)
  • 57. طراحی تابع پاداش برای خودروهای خودران
  • 58. طراحی فضای حالت برای خودروهای خودران
  • 59. طراحی فضای عمل برای خودروهای خودران
  • 60. آموزش عامل‌های یادگیری تقویتی در محیط شبیه‌سازی
  • 61. تنظیم هایپرپارامترهای الگوریتم‌های DRL
  • 62. اشکال‌زدایی و رفع خطا در آموزش DRL
  • 63. ارزیابی عملکرد عامل‌های DRL با معیارهای استاندارد
  • 64. مقدمه‌ای بر شبیه‌سازی چندعامله در CARLA
  • 65. پیاده‌سازی سناریوهای ترافیک چندعامله در CARLA
  • 66. پیاده‌سازی تعامل بین خودروهای خودران و خودروهای انسانی
  • 67. طراحی سیستم‌های هماهنگ‌کننده برای خودروهای خودران
  • 68. آموزش عامل‌های MARL برای هماهنگی
  • 69. ارزیابی عملکرد سیستم‌های هماهنگ‌کننده
  • 70. مقدمه‌ای بر مسائل ایمنی در خودروهای خودران
  • 71. ارزیابی ریسک در سناریوهای رانندگی
  • 72. توسعه الگوریتم‌های ایمنی مبتنی بر یادگیری تقویتی
  • 73. شبیه‌سازی حملات سایبری به خودروهای خودران
  • 74. ارزیابی مقاومت سیستم‌ها در برابر حملات
  • 75. مقدمه‌ای بر تفسیرپذیری مدل‌های یادگیری عمیق
  • 76. تکنیک‌های تفسیرپذیری برای مدل‌های DRL
  • 77. کاربرد تفسیرپذیری در ارزیابی ایمنی
  • 78. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
  • 79. کاربرد Transfer Learning در آموزش خودروهای خودران
  • 80. مقدمه‌ای بر یادگیری فدرال (Federated Learning)
  • 81. کاربرد Federated Learning در آموزش خودروهای خودران
  • 82. مقدمه‌ای بر یادگیری تقویتی از طریق مشاهده (Imitation Learning)
  • 83. کاربرد Imitation Learning در آموزش خودروهای خودران
  • 84. مقدمه‌ای بر یادگیری تقویتی با نظارت (Offline RL)
  • 85. کاربرد Offline RL در آموزش خودروهای خودران
  • 86. مقدمه‌ای بر بهینه‌سازی عملکرد خودروهای خودران
  • 87. بهینه‌سازی مصرف سوخت
  • 88. بهینه‌سازی راحتی سرنشین
  • 89. بهینه‌سازی زمان سفر
  • 90. مقدمه‌ای بر توسعه نرم‌افزار خودروهای خودران
  • 91. معماری نرم‌افزار ROS (Robot Operating System)
  • 92. یکپارچه‌سازی ROS با شبیه‌سازهای خودرو
  • 93. توسعه ماژول‌های نرم‌افزاری برای خودروهای خودران
  • 94. مقدمه‌ای بر تست و اعتبارسنجی خودروهای خودران
  • 95. روش‌های تست واحد و ادغام
  • 96. روش‌های تست سیستم
  • 97. مقدمه‌ای بر آینده خودروهای خودران
  • 98. چالش‌های پیش رو
  • 99. فرصت‌های جدید
  • 100. پروژه‌های تحقیقاتی پیشرفته در زمینه خودروهای خودران

📚 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.