کتاب یادگیری تقویتی چندعامله برای هماهنگی ربات‌ها در وظایف برنامه‌ریزی شده

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 تقویتی چندعامله برای هماهنگی ربات‌ها در وظایف برنامه‌ریزی شده

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای بهینه‌سازی فرآیندهای برنامه‌ریزی

📋 سرفصل‌های دوره

  • 1. مبانی یادگیری تقویتی
  • 2. مفاهیم عامل و محیط
  • 3. فضای حالت و فضای عمل
  • 4. پاداش و تابع ارزش
  • 5. فرآیندهای تصمیم‌گیری مارکوف (MDP)
  • 6. حل MDP با برنامه‌ریزی پویا
  • 7. مقدمه‌ای بر یادگیری تقویتی بدون مدل
  • 8. یادگیری ارزش (Value Learning)
  • 9. یادگیری سیاست (Policy Learning)
  • 10. یادگیری ترکیبی (Actor-Critic)
  • 11. روش‌های Monte Carlo
  • 12. یادگیری تفاضل زمانی (TD Learning)
  • 13. SARSA
  • 14. Q-Learning
  • 15. Deep Q-Networks (DQN)
  • 16. بهینه‌سازی DQN
  • 17. Double DQN
  • 18. Dueling DQN
  • 19. Prioritized Experience Replay
  • 20. Noisy Networks
  • 21. Rainbow DQN
  • 22. یادگیری سیاست گرادیان (Policy Gradient)
  • 23. REINFORCE
  • 24. Actor-Critic با گرادیان سیاست
  • 25. A2C (Advantage Actor-Critic)
  • 26. A3C (Asynchronous Advantage Actor-Critic)
  • 27. TRPO (Trust Region Policy Optimization)
  • 28. PPO (Proximal Policy Optimization)
  • 29. DDPG (Deep Deterministic Policy Gradient)
  • 30. TD3 (Twin Delayed Deep Deterministic Policy Gradient)
  • 31. SAC (Soft Actor-Critic)
  • 32. یادگیری تقویتی چندعامله (MARL)
  • 33. مقدمه‌ای بر هماهنگی ربات‌ها
  • 34. چالش‌های هماهنگی در رباتیک
  • 35. انواع هماهنگی ربات‌ها
  • 36. هماهنگی در وظایف مشترک
  • 37. هماهنگی در وظایف رقابتی
  • 38. هماهنگی در وظایف مختلط
  • 39. مدل‌های ارتباطی بین عامل‌ها
  • 40. ارتباط مبتنی بر پاداش مشترک
  • 41. ارتباط مبتنی بر پیام‌های صریح
  • 42. یادگیری زبان مشترک بین عامل‌ها
  • 43. مدل‌های یادگیری تقویتی چندعامله
  • 44. تجزیه و تحلیل فضای حالت مشترک
  • 45. تجزیه.فضای عمل مشترک
  • 46. تجزیه.فضای پاداش مشترک
  • 47. تجزیه.فضای سیاست مشترک
  • 48. JAL (Joint Action Learners)
  • 49. VDN (Value Decomposition Networks)
  • 50. QMIX (Q-learning for Multi-Agent Systems)
  • 51. QTRAN (Q-function decomposition for MARL)
  • 52. MADDPG (Multi-Agent Deep Deterministic Policy Gradient)
  • 53. COMA (Counterfactual Multi-Agent Policy Gradients)
  • 54. MAPPO (Multi-Agent Proximal Policy Optimization)
  • 55. حسابداری مشترک (Shared Responsibility Accounting)
  • 56. تخصیص پاداش در MARL
  • 57. روش‌های مبتنی بر خنثی‌سازی (Shapley Value)
  • 58. روش‌های مبتنی بر سهم (Contribution)
  • 59. روش‌های مبتنی بر یادگیری (Learning-based)
  • 60. هماهنگی ربات‌ها در انبارداری
  • 61. هماهنگی ربات‌ها در حمل و نقل
  • 62. هماهنگی ربات‌ها در مونتاژ
  • 63. هماهنگی ربات‌ها در جستجو و نجات
  • 64. هماهنگی ربات‌ها در نظارت
  • 65. هماهنگی ربات‌ها در کشاورزی دقیق
  • 66. هماهنگی ربات‌ها در رباتیک پروازی
  • 67. هماهنگی ربات‌ها در رباتیک زیرآبی
  • 68. هماهنگی ربات‌های انسان‌نما
  • 69. هماهنگی ربات‌ها در محیط‌های پویا
  • 70. هماهنگی ربات‌ها در حضور موانع متحرک
  • 71. هماهنگی ربات‌ها با خطاهای حسگر
  • 72. هماهنگی ربات‌ها با تأخیر ارتباطی
  • 73. ارزیابی عملکرد سیستم‌های MARL
  • 74. معیارهای ارزیابی هماهنگی
  • 75. شبیه‌سازی محیط‌های چندعامله
  • 76. پیاده‌سازی عملی الگوریتم‌های MARL
  • 77. ابزارهای شبیه‌سازی MARL (مانند PettingZoo)
  • 78. کاربرد تکنیک‌های یادگیری عمیق در MARL
  • 79. شبکه‌های عصبی کانولوشنال در MARL
  • 80. شبکه‌های عصبی بازگشتی در MARL
  • 81. شبکه‌های عصبی ترنسفورمر در MARL
  • 82. یادگیری تقویتی برای برنامه‌ریزی مسیر ربات
  • 83. هماهنگی مسیر ربات‌ها
  • 84. مدیریت ترافیک ربات‌ها
  • 85. اجتناب از برخورد ربات‌ها
  • 86. بهینه‌سازی وظایف ربات‌ها
  • 87. مدل‌سازی عدم قطعیت در MARL
  • 88. یادگیری مبتنی بر مشاهده محدود
  • 89. یادگیری با پاداش پراکنده
  • 90. اخلاق در رباتیک چندعامله
  • 91. امنیت در سیستم‌های رباتیک چندعامله
  • 92. آینده پژوهی در حوزه MARL
  • 93. پژوهش‌های پیشرفته در هماهنگی ربات‌ها

📚 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.