اپلیکیشن اندرویدی فلشکارت آموزشی بهینهسازی استراتژیهای نقشهبرداری پهپادها با یادگیری تقویتی چندعامله
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره بهینهسازی استراتژیهای نقشهبرداری پهپادها با یادگیری تقویتی چندعامله
موضوع کلی: یادگیری تقویتی چندعامله (MARL)
موضوع میانی: یادگیری تقویتی چندعامله برای کنترل رباتهای پرنده برای نقشهبرداری
📋 سرفصلهای دوره
- 1. مبانی یادگیری تقویتی تکعامله
- 2. فرآیند تصمیمگیری مارکوف
- 3. دالتیده و سیگما در RL
- 4. Politicy Gradient و Actor-Critic
- 5. Deep Q-Network (DQN)
- 6. مقدمهای بر یادگیری تقویتی چندعامله (MARL)
- 7. تحدیهای کلیدی MARL: غیرایستایی و تعامل
- 8. محیطهای مشترک و ذهنیتهای مشترک
- 9. الگوریتمهای مرکزیت-محوری: QMIX و MAPPO
- 10. PPO چندعامله و MADDPG
- 11. ترکیبهای Actor-Critic چندعامله
- 12. دینامیک پرواز پهپاد و مدل فیزیکی
- 13. مسئلهٔ کنترل چندپهپادی
- 14. نقشهبرداری هوایی: اصول و الگوریتمها
- 15. پهنای تصویربرداری و پوشش زمین
- 16. مسیریابی پوششی در نقشهبرداری
- 17. الگوریتمهای طیمسیر با محدودیت
- 18. تقسیم کار چندعامله برای نقشهبرداری
- 19. تخصیص وظیفهٔ پویا
- 20. تعیین نقش هر پهپاد در اسwarm
- 21. ارتباط بینعاملی: توپولوژی و پروتکل
- 22. اطلاعات محلی در مقابل اطلاعات جهانی
- 23. انتشارات و مشاهدهٔ بخشی
- 24. مدلسازی سازگاری رفتاری
- 25. کاوشگری در محیط ناشناخته
- 26. تعادل بین کاوش و بهرهبرداری
- 27. تشدید پوشش با MARL
- 28. جلوگیری از برخورد چندپهپادی
- 29. برنامهریزی مسیر پویا با RL
- 30. محدودیتهای انرژی و شارژ
- 31. مدیریت انرژی چندعامله
- 32. تصمیمگیری ترکیبی پهپاد-پایگاه
- 33. محیطهای شبیهسازی: Gazebo و AirSim
- 34. راهاندازی سناریوهای چندپهپادی
- 35. اعداد انگلیسی و پارامترهای RL
- 36. طراحی reward برای نقشهبرداری
- 37. پاداش پوشش، دقت و هزینه
- 38. طراحی State و Action فضای چندعامله
- 39. تعامل عامل با محیط نقشهبرداری
- 40. مدل انتقال و ریوارد در شبیهساز
- 41. آموزش تجمعی و تجربهبازیابی
- 42. توزیع بار محاسباتی آموزش
- 43. انتقال یادگیری بین محیطها
- 44. Fine-tuning روی دادهٔ واقعی
- 45. یادگیری از سیاستهای پایه
- 46. طراحی شبکهٔ عصبی چندعامله
- 47. Graph Neural Networks در MARL
- 48. انتباه چندعامله و اتماسیون
- 49. پردازش تصویر برای شناسایی ویژگی
- 50. سنسورهای پهپاد و دادهی نقشهبرداری
- 51. همجامعسازی دادهٔ بینایی و RL
- 52. ارزیابی دقت نقشه و پوشش
- 53. مقیاسهای موفقیت چندعامله
- 54. مقایسه عملکرد MARL و تکعامله
- 55. تحلیل مقاومت در برابر خطا
- 56. مدیریت عیب و راهاندازی مجدد
- 57. پهپادهای آسیبپذیر و بازتوزیع وظیفه
- 58. پرواز در فضایهای محدود و شهری
- 59. نقشهبرداری زمینکشی و کشاورزی
- 60. جستجو و نجات با اسwarm پهپاد
- 61. نقشهبرداری پس از بلایا
- 62. کاربرد در زمینشناسی و معادن
- 63. بهینهسازی پهنای باند ارتباطی
- 64. تأخیر و پروتکلهای ارتباطی واقعی
- 65. امنیت و مقاومت در برابر حمله
- 66. اعتبارسنجی سیاست با Sim-to-Real
- 67. استقرار عملی اسwarm پهپاد
- 68. مشکلات واقعی و رفع آنها
- 69. رفع خدشهٔ شبیهسازی به واقعیت
- 70. استانداردسنجی پروژهٔ پایانی
این اپلیکیشن فارسی برای یادگیری و مرور محتوای آموزشی از طریق فلشکارت طراحی شده است. کارتها را یکییکی مرور کنید، پاسخ پرسشها را به یاد بیاورید و نتیجه هر پاسخ را ثبت کنید. محتوای دوره پس از نصب درون برنامه در دسترس است تا برای مطالعه روزمره معمولاً به اتصال مداوم اینترنت نیاز نداشته باشید.
محتوای آموزشی در قالبهای متنوع ارائه میشود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموختهها قابل استفاده باشد.
- رابط کاربری فارسی و راستچین با فونت وزیر.
- تم روشن و تیره مطابق تنظیمات سیستم.
- صفحهبندی ساده برای انتخاب دوره و شروع مرور.
- نمایش تعداد دفعات مرور هر فصل.
- انتخاب چند فصل برای مرور همزمان.
- امکان تمرکز بر فصلهایی که هنوز مرور نشدهاند.
این اپلیکیشن برای دانشآموزان، دانشجویان، داوطلبان آزمونها و علاقهمندان به یادگیری طراحی شده است؛ بهویژه کسانی که میخواهند مطالب آموزشی را در زمانهای کوتاه مرور کنند، دانستههای خود را بسنجند و مطالعه منظمتری داشته باشند.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.