سپنتا کتاب اکسپرس
کتاب MPC در عمل: رویکردی برای کنترل مستمر و قابل اتکا

کتاب MPC در عمل: رویکردی برای کنترل مستمر و قابل اتکا

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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره MPC در عمل: رویکردی برای کنترل مستمر و قابل اتکا

موضوع کلی: کنترل پیش بین مدل (MPC)

موضوع میانی: MPC برای سیستم‌های کنترل با رویکرد مبتنی بر قابلیت اطمینان مسئولانه مستمر

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر یادگیری تقویتی چند عاملی
  • 2. مفاهیم اساسی یادگیری تقویتی چند عاملی
  • 3. انواع محیط های چند عاملی
  • 4. مدل های بازی و تعامل
  • 5. تعادل نش و بازی های ستاره ای
  • 6. یادگیری با انگیزه مشترک
  • 7. یادگیری با اهداف متضاد
  • 8. یادگیری با اهداف مستقل
  • 9. یادگیری با اهداف نیمه مشترک
  • 10. مقدمه ای بر MPC
  • 11. اصول اولیه کنترل پیش بین مدل
  • 12. مدل های سیستم دینامیکی
  • 13. تابع هزینه و تابع محدودیت
  • 14. روش های بهینه سازی در MPC
  • 15. حل کننده های آنلاین و آفلاین
  • 16. MPC برای سیستم های خطی
  • 17. MPC برای سیستم های غیرخطی
  • 18. MPC برای سیستم های با تاخیر
  • 19. MPC برای سیستم های نامطمئن
  • 20. MPC در عمل: چالش ها و راه حل ها
  • 21. ارتباط MPC و یادگیری تقویتی چند عاملی
  • 22. رویکردهای ترکیبی MPC و RL
  • 23. یادگیری تقویتی برای طراحی مدل در MPC
  • 24. یادگیری تقویتی برای تنظیم پارامترهای MPC
  • 25. یادگیری تقویتی برای مدیریت محدودیت ها در MPC
  • 26. یادگیری تقویتی برای انطباق MPC با محیط
  • 27. تحلیل پایداری سیستم های ترکیبی MPC-RL
  • 28. پیاده سازی MPC در عمل: گام به گام
  • 29. انتخاب مدل مناسب سیستم
  • 30. تعریف تابع هزینه و محدودیت ها
  • 31. انتخاب الگوریتم بهینه سازی
  • 32. تنظیم پارامترهای MPC
  • 33. شبیه سازی و آزمایش
  • 34. مطالعات موردی MPC در صنعت
  • 35. کنترل ربات ها با MPC
  • 36. کنترل وسایل نقلیه خودران با MPC
  • 37. کنترل سیستم های انرژی با MPC
  • 38. کنترل فرآیندهای شیمیایی با MPC
  • 39. کنترل سیستم های تولید با MPC
  • 40. مطالعات موردی یادگیری تقویتی چند عاملی در عمل
  • 41. هماهنگی ربات ها با Multi-Agent RL
  • 42. کنترل ترافیک با Multi-Agent RL
  • 43. مدیریت منابع با Multi-Agent RL
  • 44. یادگیری سیاست های بازی در Multi-Agent RL
  • 45. یادگیری استراتژی های تیمی در Multi-Agent RL
  • 46. چالش های مقیاس پذیری در Multi-Agent RL
  • 47. چالش های تعمیم در Multi-Agent RL
  • 48. چالش های تفسیرپذیری در Multi-Agent RL
  • 49. چالش های ایمنی در Multi-Agent RL
  • 50. پیشرفت های اخیر در MPC
  • 51. روش های یادگیری عمیق در MPC
  • 52. MPC مبتنی بر شبکه های عصبی
  • 53. MPC مبتنی بر یادگیری تقویتی عمیق
  • 54. MPC برای ربات های نرم
  • 55. MPC برای سیستم های توزیع شده
  • 56. پیشرفت های اخیر در یادگیری تقویتی چند عاملی
  • 57. اتصال گرا در Multi-Agent RL
  • 58. یادگیری تقلیدی در Multi-Agent RL
  • 59. یادگیری تقویتی مبتنی بر عامل در Multi-Agent RL
  • 60. یادگیری تقویتی مبتنی بر محیط در Multi-Agent RL
  • 61. یادگیری تقویتی مبتنی بر پاداش در Multi-Agent RL
  • 62. یادگیری تقویتی مبتنی بر مزیت در Multi-Agent RL
  • 63. یادگیری تقویتی با پاداش پراکنده
  • 64. یادگیری تقویتی برای اکتشاف
  • 65. یادگیری تقویتی برای برنامه ریزی
  • 66. یادگیری تقویتی برای تصمیم گیری
  • 67. یادگیری تقویتی برای کنترل
  • 68. مبانی ریاضی MPC
  • 69. مبانی ریاضی یادگیری تقویتی
  • 70. نظریه بازی ها
  • 71. بهینه سازی ریاضی
  • 72. نظریه کنترل
  • 73. سیستم های دینامیکی
  • 74. احتمالات و آمار
  • 75. جبر خطی
  • 76. ماتریس ها و بردارها
  • 77. حساب دیفرانسیل و انتگرال
  • 78. بهینه سازی محدب
  • 79. برنامه ریزی خطی
  • 80. برنامه ریزی غیرخطی
  • 81. مجموعه ها و رابطه ها
  • 82. تابع و نگاشت
  • 83. حد و پیوستگی
  • 84. مشتق و کاربردهای آن
  • 85. انتگرال و کاربردهای آن
  • 86. دنباله ها و سری ها
  • 87. فضاهای برداری
  • 88. توابع چند متغیره
  • 89. بردار گرادیان
  • 90. هسین ماتریس
  • 91. روش های تکراری
  • 92. همگرایی روش های تکراری
  • 93. تحلیل عددی
  • 94. پیاده سازی الگوریتم ها
  • 95. ساختارهای داده
  • 96. الگوریتم های جستجو
  • 97. الگوریتم های مرتب سازی
  • 98. شبه کد
  • 99. تابع نمایی
  • 100. لگاریتم

📚 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.