سپنتا کتاب اکسپرس
کتاب مبانی الگوریتم‌های مبتنی بر ارزش در یادگیری تقویتی چندعامله

کتاب مبانی الگوریتم‌های مبتنی بر ارزش در یادگیری تقویتی چندعامله

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 مبانی الگوریتم‌های مبتنی بر ارزش در یادگیری تقویتی چندعامله

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: الگوریتم‌های مبتنی بر ارزش (Value-based Algorithms)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری تقویتی چندعامله
  • 2. مفاهیم اساسی یادگیری تقویتی
  • 3. نقش عامل‌ها در محیط‌های چندعامله
  • 4. مدل‌های عامل منفرد در مقابل عامل‌های چندگانه
  • 5. تعریف مسئله یادگیری تقویتی چندعامله
  • 6. فضای حالت، عمل و پاداش در محیط‌های چندعامله
  • 7. مدل‌های یادگیری تقویتی مارکوف (Mdp)
  • 8. فرآیندهای تصمیم‌گیری مارکوف تعمیم‌یافته (G-Mdp)
  • 9. مشاهدات در مقابل حالت‌های پنهان
  • 10. قوانین سیاست (Policy) برای عامل‌های چندگانه
  • 11. ارزش تابع (Value Function) برای عامل‌های چندگانه
  • 12. تابع Q (Q-Function) در یادگیری تقویتی چندعامله
  • 13. یادگیری آفلاین در مقابل یادگیری آنلاین
  • 14. روش‌های مبتنی بر ارزش: یادگیری Q
  • 15. یادگیری Q ساده
  • 16. یادگیری Q عمیق (DQN)
  • 17. معماری شبکه‌های عصبی برای DQN
  • 18. تابع هدف و تابع زیان در DQN
  • 19. بهینه‌سازی DQN
  • 20. روش‌های پیشرفته DQN
  • 21. Double DQN
  • 22. Dueling DQN
  • 23. Prioritized Experience Replay
  • 24. Noisy DQN
  • 25. Rainbow DQN
  • 26. روش‌های مبتنی بر سیاست: یادگیری سیاست (Policy Gradient)
  • 27. تفاوت رویکردهای مبتنی بر ارزش و سیاست
  • 28. Gradient Ascent برای سیاست‌ها
  • 29. REINFORCE
  • 30. Actor-Critic Methods
  • 31. A2C (Advantage Actor-Critic)
  • 32. A3C (Asynchronous Advantage Actor-Critic)
  • 33. DDPG (Deep Deterministic Policy Gradient)
  • 34. TD3 (Twin Delayed Deep Deterministic Policy Gradient)
  • 35. SAC (Soft Actor-Critic)
  • 36. یادگیری تقویتی چندعامله: چالش‌ها
  • 37. عدم ایستایی محیط (Non-stationarity)
  • 38. مسئله هماهنگی (Coordination Problem)
  • 39. مسئله رقابت (Competition Problem)
  • 40. کشف و اکتشاف (Exploration vs. Exploitation) در محیط‌های چندعامله
  • 41. مقیاس‌پذیری در محیط‌های چندعامله
  • 42. معماری‌های یادگیری تقویتی چندعامله
  • 43. مرکزگرا (Centralized)
  • 44. غیرمتمرکز (Decentralized)
  • 45. مرکزگرا-غیرمتمرکز (Centralized-Decentralized)
  • 46. یادگیری مبتنی بر عامل (Agent-Based Learning)
  • 47. یادگیری مبتنی بر بازی (Game-Based Learning)
  • 48. بازی‌های صفر و یک (Zero-Sum Games)
  • 49. بازی‌های مجموع غیرصفر (Non-Zero-Sum Games)
  • 50. بازی‌های پویا (Dynamic Games)
  • 51. تعادل نش (Nash Equilibrium)
  • 52. معادلات بله‌ف (Bellman Equations) در بازی‌ها
  • 53. یادگیری تطابقی (Adaptive Learning)
  • 54. الگوریتم‌های یادگیری تقویتی چندعامله خاص
  • 55. MADDPG (Multi-Agent Deep Deterministic Policy Gradient)
  • 56. QMIX
  • 57. VDN (Value Decomposition Networks)
  • 58. COMA (Counterfactual Multi-Agent Policy Gradients)
  • 59. IQL (Independent Q-Learning)
  • 60. MAAC (Multi-Agent Actor-Critic)
  • 61. اتحاد عامل‌ها (Agent Cooperation)
  • 62. رقابت عامل‌ها (Agent Competition)
  • 63. یادگیری تقویتی برای رباتیک چندعامله
  • 64. یادگیری تقویتی در شبکه‌های حسگر بی‌سیم
  • 65. کاربردها در سیستم‌های توزیع‌شده
  • 66. کاربردها در مدیریت ترافیک
  • 67. کاربردها در بازی‌های هوشمند
  • 68. کاربردها در بهینه‌سازی منابع
  • 69. کاربردها در سیستم‌های توصیه‌گر چندعامله
  • 70. کاربردها در سیستم‌های مالی خودکار
  • 71. کاربردها در مدیریت انرژی هوشمند
  • 72. کاربردها در نظارت و کنترل
  • 73. کاربردها در بهینه‌سازی زنجیره تأمین
  • 74. کاربردها در سیستم‌های حمل و نقل هوشمند
  • 75. کاربردها در بهینه‌سازی شبکه برق
  • 76. کاربردها در رباتیک پروازی چندعامله
  • 77. کاربردها در سیستم‌های امنیتی هوشمند
  • 78. کاربردها در مدیریت منابع آب
  • 79. کاربردها در پردازش زبان طبیعی چندعامله
  • 80. کاربردها در بینایی ماشین چندعامله
  • 81. کاربردها در شبیه‌سازی‌های پیچیده
  • 82. کاربردها در آموزش و یادگیری هوشمند
  • 83. کاربردها در سیستم‌های خودمختار
  • 84. کاربردها در بهینه‌سازی عملکرد سیستم‌ها
  • 85. کاربردها در طراحی سیستم‌های پیچیده
  • 86. کاربردها در تحلیل رفتار عامل‌ها
  • 87. کاربردها در پیش‌بینی رفتار عامل‌ها
  • 88. کاربردها در تعامل عامل‌ها
  • 89. کاربردها در استراتژی‌های عامل‌ها
  • 90. کاربردها در بهینه‌سازی استراتژی‌های عامل‌ها
  • 91. کاربردها در یادگیری استراتژی‌های ترکیبی
  • 92. کاربردها در یادگیری استراتژی‌های پویا
  • 93. کاربردها در یادگیری استراتژی‌های تطابقی
  • 94. کاربردها در یادگیری استراتژی‌های مشارکتی
  • 95. کاربردها در یادگیری استراتژی‌های رقابتی
  • 96. کاربردها در ارزیابی عملکرد عامل‌های چندگانه
  • 97. کاربردها در اندازه‌گیری هماهنگی عامل‌ها
  • 98. کاربردها در اندازه‌گیری رقابت عامل‌ها
  • 99. کاربردها در تحلیل پایداری سیستم‌های 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.