سپنتا کتاب اکسپرس
کتاب طراحی سیستم‌های کنترل پیش‌بین عمیق برای مسائل پیچیده

کتاب طراحی سیستم‌های کنترل پیش‌بین عمیق برای مسائل پیچیده

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 طراحی سیستم‌های کنترل پیش‌بین عمیق برای مسائل پیچیده

موضوع کلی: کنترل پیش بین مدل (MPC)

موضوع میانی: MPC for Deep Understanding

📋 سرفصل‌های دوره

  • 1. مقدمه بر سیستم‌های کنترل پیش‌بین عمیق
  • 2. مبانی یادگیری عمیق برای کنترل
  • 3. شبکه‌های عصبی بازگشتی
  • 4. شبکه‌های حافظه طولانی کوتاه (LSTM)
  • 5. شبکه‌های حافظه طولانی کوتاه (GRU)
  • 6. شبکه‌های عصبی کانولوشنی (CNN)
  • 7. شبکه‌های گراف عصبی (GNN)
  • 8. معماری‌های ترنسفورمر در کنترل
  • 9. کدگذار-رمزگشا برای پیش‌بینی
  • 10. یادگیری تقویتی عمیق (DRL)
  • 11. الگوریتم‌های DRL: DQN
  • 12. الگوریتم‌های DRL: DDPG
  • 13. الگوریتم‌های DRL: PPO
  • 14. الگوریتم‌های DRL: A3C
  • 15. یادگیری نیمه نظارت شده در کنترل
  • 16. یادگیری بدون نظارت در کنترل
  • 17. آموزش با مدل (Model-based RL)
  • 18. آموزش بدون مدل (Model-free RL)
  • 19. مفهوم کنترل پیش‌بین (MPC)
  • 20. مبانی MPC کلاسیک
  • 21. محدودیت‌ها و چالش‌های MPC کلاسیک
  • 22. نیاز به مدل‌های دقیق
  • 23. پیچیدگی محاسباتی MPC
  • 24. عدم قطعیت در مدل‌ها و سیستم‌ها
  • 25. مقدمه بر طراحی MPC عمیق
  • 26. ترکیب یادگیری عمیق و MPC
  • 27. مزایای MPC عمیق
  • 28. چالش‌های MPC عمیق
  • 29. انواع معماری‌های MPC عمیق
  • 30. MPC عمیق مبتنی بر شبکه عصبی
  • 31. MPC عمیق مبتنی بر یادگیری تقویتی
  • 32. MPC عمیق با استفاده از ترنسفورمر
  • 33. MPC عمیق برای پیش‌بینی حالت
  • 34. MPC عمیق برای پیش‌بینی ورودی
  • 35. MPC عمیق برای بهینه‌سازی تابع هزینه
  • 36. مدل‌سازی سیستم‌های پویا با شبکه‌های عصبی
  • 37. یادگیری مدل‌های غیرخطی
  • 38. مدل‌سازی سیستم‌های پیچیده با GNN
  • 39. مدل‌سازی سیستم‌های توزیع شده
  • 40. مدل‌سازی سیستم‌های با تاخیر
  • 41. مدل‌سازی سیستم‌های با پارامترهای متغیر
  • 42. یادگیری قوانین کنترل با شبکه‌های عصبی
  • 43. یادگیری سیاست‌های کنترلی
  • 44. تقویت یادگیری سیاست‌های کنترلی
  • 45. استفاده از ترنسفورمر برای سیاست‌های کنترلی
  • 46. طراحی تابع هزینه برای MPC عمیق
  • 47. تنظیم تابع هزینه در DRL
  • 48. بهینه‌سازی تابع هزینه در MPC عمیق
  • 49. مقابله با عدم قطعیت در MPC عمیق
  • 50. روش‌های نمایش عدم قطعیت
  • 51. مدیریت عدم قطعیت با شبکه‌های عصبی
  • 52. مدیریت عدم قطعیت با یادگیری تقویتی
  • 53. MPC عمیق مقاوم در برابر اغتشاش
  • 54. هماهنگ‌سازی MPC عمیق با سیستم‌های فیزیکی
  • 55. شبیه‌سازی و تست MPC عمیق
  • 56. محیط‌های شبیه‌سازی برای DRL
  • 57. تست در محیط‌های واقعی
  • 58. اعتبارسنجی مدل‌های یادگیری عمیق
  • 59. تفسیرپذیری مدل‌های MPC عمیق
  • 60. مفهوم تفسیرپذیری
  • 61. روش‌های افزایش تفسیرپذیری
  • 62. تشخیص دلایل تصمیمات کنترلی
  • 63. یادگیری فعال در MPC عمیق
  • 64. اهمیت یادگیری فعال
  • 65. استراتژی‌های یادگیری فعال
  • 66. بهبود کارایی MPC عمیق
  • 67. بهینه‌سازی معماری شبکه‌های عصبی
  • 68. تنظیم ابرپارامترها
  • 69. استفاده از روش‌های مدل فشرده
  • 70. کاربردهای MPC عمیق در رباتیک
  • 71. کنترل ربات‌های متحرک
  • 72. کنترل بازوهای رباتیک
  • 73. کنترل ربات‌های پرنده
  • 74. کاربردهای MPC عمیق در سیستم‌های انرژی
  • 75. مدیریت شبکه‌های هوشمند
  • 76. کنترل تولید انرژی تجدیدپذیر
  • 77. بهینه‌سازی مصرف انرژی
  • 78. کاربردهای MPC عمیق در وسایل نقلیه خودران
  • 79. کنترل حرکت خودرو
  • 80. تصمیم‌گیری در ترافیک
  • 81. هماهنگ‌سازی وسایل نقلیه
  • 82. کاربردهای MPC عمیق در هوش مصنوعی
  • 83. کنترل سیستم‌های پیچیده هوشمند
  • 84. ربات‌های خدمتکار
  • 85. سیستم‌های توصیه‌گر پویا
  • 86. کاربردهای MPC عمیق در پردازش سیگنال
  • 87. فیلترینگ تطبیقی
  • 88. تشخیص الگو در سیگنال‌ها
  • 89. فشرده‌سازی سیگنال هوشمند
  • 90. کاربردهای MPC عمیق در حوزه مالی
  • 91. مدل‌سازی بازارهای مالی
  • 92. پیش‌بینی قیمت دارایی‌ها
  • 93. استراتژی‌های معاملاتی خودکار
  • 94. مسائل کنترل پیچیده: مقدمه
  • 95. تعریف مسائل کنترل پیچیده
  • 96. چالش‌های ذاتی این مسائل
  • 97. مثال‌هایی از مسائل پیچیده
  • 98. MPC عمیق به عنوان راه‌حل
  • 99. نشان دادن برتری MPC عمیق
  • 100. مقایسه با روش‌های سنتی

📚 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.