سپنتا کتاب اکسپرس
کتاب کنترل پیش‌بین مدل برای سیستم‌های خودتنظیم با قابلیت یادگیری

کتاب کنترل پیش‌بین مدل برای سیستم‌های خودتنظیم با قابلیت یادگیری

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 کنترل پیش‌بین مدل برای سیستم‌های خودتنظیم با قابلیت یادگیری

موضوع کلی: کنترل پیش بین مدل (MPC)

موضوع میانی: MPC برای سیستم‌های کنترل تطبیقی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر کنترل پیش‌بین مدل
  • 2. مبانی سیستم‌های خودتنظیم
  • 3. مدل‌سازی دینامیکی سیستم‌ها
  • 4. تحلیل پایداری سیستم‌های خطی
  • 5. مفاهیم پایه کنترل بهینه
  • 6. مقدمه‌ای بر بهینه‌سازی مقید
  • 7. الگوریتم‌های بهینه‌سازی عددی
  • 8. روش‌های حل مسائل بهینه‌سازی مقید
  • 9. مقدمه‌ای بر یادگیری ماشین
  • 10. یادگیری نظارت شده
  • 11. یادگیری بدون نظارت
  • 12. یادگیری تقویتی
  • 13. شبکه‌های عصبی مصنوعی
  • 14. معماری‌های شبکه‌های عصبی
  • 15. پس‌انتشار خطا
  • 16. بهینه‌سازی شبکه‌های عصبی
  • 17. روش‌های تنظیم‌گری (Regularization)
  • 18. مقدمه‌ای بر کنترل پیش‌بین مدل (MPC)
  • 19. فرمول‌بندی مسئله MPC
  • 20. تابع هزینه در MPC
  • 21. محدودیت‌ها در MPC
  • 22. حل‌کننده MPC
  • 23. شبیه‌سازی سیستم‌های دینامیکی
  • 24. پیاده‌سازی MPC برای سیستم‌های خطی
  • 25. کنترل پیش‌بین مدل غیرخطی (NMPC)
  • 26. روش‌های تقریب در NMPC
  • 27. روش‌های حل NMPC
  • 28. کنترل پیش‌بین مدل مبتنی بر مدل‌های یادگرفته شده
  • 29. استخراج مدل از داده‌ها
  • 30. مدل‌های جعبه سیاه (Black-box Models)
  • 31. مدل‌های جعبه سفید (White-box Models)
  • 32. مدل‌های جعبه خاکستری (Grey-box Models)
  • 33. استفاده از شبکه‌های عصبی در مدل‌سازی
  • 34. مدل‌های رگرسیون خطی
  • 35. مدل‌های سری زمانی (ARIMA)
  • 36. مدل‌های حالت فضا (State-Space Models)
  • 37. استخراج مدل‌های حالت فضا از داده‌ها
  • 38. یادگیری مدل‌های حالت فضا با شبکه‌های عصبی
  • 39. کاربرد MPC با مدل‌های یادگرفته شده
  • 40. طراحی کنترل‌کننده MPC با مدل‌های یادگرفته شده
  • 41. ارزیابی عملکرد MPC با مدل‌های یادگرفته شده
  • 42. بهبود عملکرد MPC از طریق یادگیری
  • 43. تنظیم پارامترهای MPC
  • 44. تنظیم وزن‌های تابع هزینه
  • 45. تنظیم طول افق پیش‌بینی
  • 46. تنظیم طول افق کنترل
  • 47. بهبود پایداری MPC
  • 48. مقابله با عدم قطعیت در مدل
  • 49. روش‌های مدیریت عدم قطعیت در MPC
  • 50. کنترل پیش‌بین مدل مقاوم (Robust MPC)
  • 51. مقدمه‌ای بر بهینه‌سازی تصادفی
  • 52. کنترل پیش‌بین مدل با در نظر گرفتن عدم قطعیت (Stochastic MPC)
  • 53. تقریب توزیع عدم قطعیت
  • 54. شبیه‌سازی مونت کارلو در MPC
  • 55. کاربرد MPC در سیستم‌های صنعتی
  • 56. کنترل فرآیندهای شیمیایی
  • 57. کنترل سیستم‌های رباتیک
  • 58. کنترل سیستم‌های قدرت
  • 59. کنترل سیستم‌های خودرو
  • 60. کنترل پهپادها
  • 61. کنترل سیستم‌های توزیع شده
  • 62. شبکه‌های حسگر بی‌سیم
  • 63. سیستم‌های خانگی هوشمند
  • 64. سیستم‌های تصفیه آب
  • 65. سیستم‌های تولید انرژی تجدیدپذیر
  • 66. کنترل ربات‌های متحرک
  • 67. کنترل بازوهای رباتیک
  • 68. کنترل ربات‌های همکار (Cobots)
  • 69. کاربرد MPC با قابلیت یادگیری
  • 70. یادگیری تطبیقی در MPC
  • 71. تنظیم خودکار پارامترهای MPC
  • 72. یادگیری سیاست‌های کنترلی
  • 73. بهبود مداوم عملکرد MPC
  • 74. یادگیری از طریق تجربه (Reinforcement Learning)
  • 75. ترکیب MPC و یادگیری تقویتی
  • 76. تکنیک‌های پیشرفته در MPC
  • 77. کنترل پیش‌بین مدل مبتنی بر مدل‌های گرافی (Graph-based MPC)
  • 78. کنترل پیش‌بین مدل مبتنی بر مدل‌های انتشاری (Diffusion Model MPC)
  • 79. کنترل پیش‌بین مدل برای سیستم‌های مقیاس بزرگ
  • 80. بهینه‌سازی محاسباتی در MPC
  • 81. زمان‌بندی اجرای MPC
  • 82. پیاده‌سازی سخت‌افزاری MPC
  • 83. کاربردهای نوظهور MPC
  • 84. کنترل خودمختار در هوش مصنوعی
  • 85. سیستم‌های تصمیم‌گیری پویا
  • 86. خلاصه و جمع‌بندی مباحث MPC
  • 87. چالش‌های آینده در MPC
  • 88. مسیرهای تحقیقاتی در MPC
  • 89. اخلاق در سیستم‌های خودمختار
  • 90. ملاحظات امنیتی در MPC
  • 91. قوانین و مقررات مرتبط با سیستم‌های خودمختار
  • 92. روش‌های اعتبارسنجی مدل‌های یادگرفته شده
  • 93. بهینه‌سازی تابع هزینه با استفاده از یادگیری
  • 94. طراحی سیستم‌های کنترلی هوشمند و تطبیقی

📚 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.