سپنتا کتاب اکسپرس
کتاب راهنمای جامع یادگیری تقویتی چندعامله برای مهندسان رباتیک

کتاب راهنمای جامع یادگیری تقویتی چندعامله برای مهندسان رباتیک

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 راهنمای جامع یادگیری تقویتی چندعامله برای مهندسان رباتیک

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای کنترل ربات‌های صنعتی برای انجام وظایف بازرسی و تعمیر زیرساخت‌های بحرانی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری تقویتی چندعامله
  • 2. مفاهیم اساسی یادگیری تقویتی
  • 3. محیط‌های یادگیری تقویتی
  • 4. عامل‌ها و فضاهای عمل
  • 5. فضاهای مشاهده
  • 6. تابع پاداش
  • 7. سیاست عامل
  • 8. تابع ارزش
  • 9. مدل محیط
  • 10. یادگیری تقویتی بدون مدل
  • 11. روش‌های مونت کارلو
  • 12. یادگیری تفاضل زمانی (TD)
  • 13. یادگیری Q
  • 14. یادگیری عمیق Q (DQN)
  • 15. معماری‌های DQN
  • 16. تکنیک‌های بهبود DQN
  • 17. شبکه‌های عصبی کانولوشنی در DQN
  • 18. شبکه‌های عصبی بازگشتی در DQN
  • 19. یادگیری تقویتی پیش‌بینانه
  • 20. یادگیری تقویتی با مدل
  • 21. یادگیری تقویتی چندعامله (MARL)
  • 22. چالش‌های MARL
  • 23. هماهنگی در MARL
  • 24. رقابت در MARL
  • 25. محیط‌های چندعامله
  • 26. مدل‌های عامل‌های همکار
  • 27. مدل‌های عامل‌های رقیب
  • 28. مدل‌های عامل‌های مختلط
  • 29. مدل‌های عامل‌های مستقل
  • 30. هماهنگی مبتنی بر ارتباطات
  • 31. هماهنگی مبتنی بر مشاهده مشترک
  • 32. هماهنگی مبتنی بر ارزش مشترک
  • 33. هماهنگی مبتنی بر بازی
  • 34. بازی‌های جمع صفر
  • 35. بازی‌های غیرجمع صفر
  • 36. تعادل نش
  • 37. تعادل نش در MARL
  • 38. روش‌های مبتنی بر بازی در MARL
  • 39. یادگیری عامل‌های مستقل (IQL)
  • 40. یادگیری عامل‌های همکار (CAL)
  • 41. یادگیری عامل‌های رقیب (RAL)
  • 42. یادگیری مبتنی بر عامل مرکزی (CTDE)
  • 43. معماران عامل مرکزی
  • 44. شبکه‌های عامل مرکزی
  • 45. یادگیری تقویتی غیرمتمرکز
  • 46. یادگیری تقویتی سلسله مراتبی در MARL
  • 47. یادگیری تقویتی با حافظه در MARL
  • 48. یادگیری تقویتی با تقلید در MARL
  • 49. یادگیری تقویتی با اکتشاف در MARL
  • 50. اکتشاف تصادفی
  • 51. اکتشاف مبتنی بر آنتروپی
  • 52. اکتشاف مبتنی بر عدم قطعیت
  • 53. اکتشاف مبتنی بر پاداش افزودنی
  • 54. کاربرد MARL در رباتیک
  • 55. ربات‌های خودمختار
  • 56. ربات‌های گروهی
  • 57. مسیریابی ربات‌ها
  • 58. زمان‌بندی وظایف ربات‌ها
  • 59. کنترل ربات‌های صنعتی
  • 60. کنترل ربات‌های انسان‌نما
  • 61. کنترل وسایل نقلیه خودران
  • 62. سیستم‌های حمل و نقل هوشمند
  • 63. مدیریت ترافیک
  • 64. شبکه‌های حسگر بی‌سیم
  • 65. رباتیک در انبارداری
  • 66. رباتیک در کشاورزی
  • 67. رباتیک در پزشکی
  • 68. رباتیک در اکتشافات فضایی
  • 69. رباتیک در محیط‌های خطرناک
  • 70. رباتیک در بازی‌ها
  • 71. تکنیک‌های ارزیابی در MARL
  • 72. معیارهای عملکرد در MARL
  • 73. شبیه‌سازی محیط‌های چندعامله
  • 74. کتابخانه‌های نرم‌افزاری MARL
  • 75. TensorFlow Agents
  • 76. PyMARL
  • 77. RLlib
  • 78. OpenAI Gym
  • 79. PettingZoo
  • 80. DeepMind Lab
  • 81. Unity ML-Agents
  • 82. ROS (Robot Operating System)
  • 83. کاربرد MARL در مسائل بهینه‌سازی
  • 84. مدیریت منابع
  • 85. زمان‌بندی تولید
  • 86. بهینه‌سازی شبکه‌های ارتباطی
  • 87. کاربرد MARL در مسائل تصمیم‌گیری
  • 88. تصمیم‌گیری در شرایط عدم قطعیت
  • 89. تصمیم‌گیری در محیط‌های پویا
  • 90. اخلاق در هوش مصنوعی و MARL
  • 91. مسئولیت‌پذیری در سیستم‌های چندعامله
  • 92. شفافیت در MARL
  • 93. قابلیت تفسیر در MARL
  • 94. امنیت در MARL
  • 95. آینده پژوهی در MARL
  • 96. روندهای تحقیقاتی در MARL
  • 97. چالش‌های باز و تحقیقات آینده
  • 98. توسعه الگوریتم‌های جدید MARL
  • 99. کاربرد MARL در مسائل پیچیده دنیای واقعی
  • 100. یادگیری تقویتی عمیق چندعامله

📚 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.