سپنتا کتاب اکسپرس
کتاب یادگیری ماشین و بهینه‌سازی محدب در MPC

کتاب یادگیری ماشین و بهینه‌سازی محدب در MPC

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 یادگیری ماشین و بهینه‌سازی محدب در MPC

موضوع کلی: کنترل پیش بین مدل (MPC)

موضوع میانی: بهینه‌سازی محدب عمومی

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر یادگیری ماشین
  • 2. مبانی بهینه سازی محدب
  • 3. مقدمه ای بر کنترل پیش‌بین مدل (MPC)
  • 4. ارتباط بین یادگیری ماشین و MPC
  • 5. کاربردهای MPC در سیستم‌های پویا
  • 6. یادگیری ماشین برای مدل‌سازی سیستم
  • 7. تخمین پارامترهای مدل با یادگیری ماشین
  • 8. شناسایی سیستم‌های خطی
  • 9. شناسایی سیستم‌های غیرخطی
  • 10. شبکه‌های عصبی برای مدل‌سازی پیش‌بین
  • 11. شبکه‌های LSTM برای داده‌های سری زمانی
  • 12. شبکه‌های GRU برای مدل‌سازی پیش‌بین
  • 13. یادگیری تقویتی برای MPC
  • 14. یادگیری عمیق برای MPC
  • 15. بهینه‌سازی محدب: مفاهیم اساسی
  • 16. توابع محدب و نا-محدب
  • 17. شرایط بهینگی برای توابع محدب
  • 18. روش‌های حل مسائل بهینه‌سازی محدب
  • 19. نزول گرادیان
  • 20. متغیرهای کمکی (Auxiliary Variables)
  • 21. روش نیوتن
  • 22. روش‌های نقطه داخلی (Interior-Point Methods)
  • 23. پیاده‌سازی بهینه‌سازی محدب
  • 24. نرم‌افزارهای بهینه‌سازی محدب
  • 25. CVXPY
  • 26. ECOS
  • 27. OSQP
  • 28. یادگیری ماشین برای بهبود بهینه‌سازی محدب
  • 29. استفاده از شبکه‌های عصبی برای تخمین گرادیان
  • 30. یادگیری ماشین برای پیش‌بینی موانع
  • 31. یادگیری ماشین برای پیش‌بینی هزینه‌ها
  • 32. یادگیری ماشین برای استنتاج محدودیت‌ها
  • 33. MPC با مدل‌های یادگرفته شده
  • 34. کنترل پیش‌بین مدل مبتنی بر داده
  • 35. بهینه‌سازی زمان اجرا در MPC
  • 36. کاهش پیچیدگی محاسباتی در MPC
  • 37. استفاده از یادگیری ماشین برای تسریع MPC
  • 38. MPC تطبیقی مبتنی بر یادگیری ماشین
  • 39. یادگیری ماشین برای تنظیم پارامترهای MPC
  • 40. طراحی کنترل‌کننده‌های MPC با استفاده از یادگیری ماشین
  • 41. یادگیری ماشین برای طراحی تابع هزینه MPC
  • 42. یادگیری ماشین برای طراحی تابع جریمه MPC
  • 43. یادگیری ماشین برای طراحی مدل پیش‌بین MPC
  • 44. مطالعات موردی MPC با یادگیری ماشین
  • 45. MPC در رباتیک
  • 46. MPC در سیستم‌های انرژی
  • 47. MPC در خودروهای خودران
  • 48. MPC در پردازش شیمیایی
  • 49. MPC در شبکه‌های توزیع برق
  • 50. MPC در سیستم‌های حمل و نقل
  • 51. MPC در هوافضا
  • 52. MPC در هوش مصنوعی
  • 53. بهینه‌سازی محدب در یادگیری ماشین
  • 54. تنظیم ابرپارامترها با بهینه‌سازی محدب
  • 55. انتخاب ویژگی با بهینه‌سازی محدب
  • 56. انتخاب مدل با بهینه‌سازی محدب
  • 57. یادگیری ماشین برای بهینه‌سازی مسائل غیرمحدب
  • 58. روش‌های تقریبی برای بهینه‌سازی غیرمحدب
  • 59. یادگیری ماشین برای تخمین پارامترهای مسائل غیرمحدب
  • 60. کاربرد یادگیری ماشین در بهینه‌سازی محدب
  • 61. استفاده از شبکه‌های عصبی برای حل مسائل بهینه‌سازی محدب
  • 62. یادگیری ماشین برای بهبود سرعت همگرایی
  • 63. یادگیری ماشین برای تخمین موانع در بهینه‌سازی
  • 64. یادگیری ماشین برای یادگیری توابع هزینه‌دار
  • 65. یادگیری ماشین برای تخمین متغیرهای پنهان
  • 66. یادگیری ماشین برای مسائل بهینه‌سازی ترکیبی
  • 67. یادگیری ماشین برای مسائل بهینه‌سازی پویا
  • 68. روش‌های نوین در تلاقی یادگیری ماشین و MPC
  • 69. یادگیری تقویتی عمیق (Deep Reinforcement Learning)
  • 70. یادگیری بدون نظارت در MPC
  • 71. یادگیری نظارت شده در MPC
  • 72. یادگیری نیمه‌نظارت شده در MPC
  • 73. یادگیری فعال (Active Learning) در MPC
  • 74. تکنیک‌های بهینه‌سازی با محدودیت در MPC
  • 75. بهینه‌سازی محدب برای مسائل MPC با محدودیت‌های غیرخطی
  • 76. تقریب محدودیت‌های غیرخطی با توابع محدب
  • 77. یادگیری ماشین برای تقریب محدودیت‌ها
  • 78. معرفی مسائل پیچیده در MPC
  • 79. MPC با عدم قطعیت
  • 80. مدل‌سازی عدم قطعیت با یادگیری ماشین
  • 81. MPC مقاوم (Robust MPC)
  • 82. MPC احتمالی (Stochastic MPC)
  • 83. یادگیری ماشین برای مدل‌سازی عدم قطعیت سیستم
  • 84. یادگیری ماشین برای تنظیم پارامترهای MPC مقاوم
  • 85. یادگیری ماشین برای بهینه‌سازی تصمیمات احتمالی
  • 86. تکنیک‌های پیشرفته در بهینه‌سازی محدب
  • 87. بهینه‌سازی محدب نامنظم (Non-smooth Convex Optimization)
  • 88. بهینه‌سازی محدب با موانع مختلط
  • 89. بهینه‌سازی محدب چندهدفه
  • 90. یادگیری ماشین برای حل مسائل بهینه‌سازی محدب نامنظم
  • 91. یادگیری ماشین برای بهینه‌سازی محدب با موانع مختلط
  • 92. یادگیری ماشین برای بهینه‌سازی محدب چندهدفه
  • 93. مباحث پیشرفته در تلاقی یادگیری ماشین و MPC
  • 94. تفسیرپذیری مدل‌های یادگرفته شده در MPC
  • 95. قابلیت اطمینان مدل‌های یادگرفته شده در MPC
  • 96. ایمنی سیستم‌های MPC مبتنی بر یادگیری ماشین
  • 97. مطالعات موردی پیشرفته
  • 98. MPC در رباتیک با قابلیت یادگیری
  • 99. MPC در سیستم‌های انرژی هوشمند
  • 100. MPC در خودروهای خودران با ادراک عمیق

📚 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.