دوره درک عمیق‌تر از توابع ارزش در یادگیری تقویتی چندعامله همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره درک عمیق‌تر از توابع ارزش در یادگیری تقویتی چندعامله

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: تابع ارزش (Value Function)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی چندعامله
• 2. مبانی توابع ارزش در یادگیری تقویتی
• 3. توابع ارزش حالت-اقدام
• 4. توابع ارزش حالت-حالت
• 5. مدل‌های مبتنی بر تابع ارزش
• 6. یادگیری آفلاین توابع ارزش
• 7. یادگیری آنلاین توابع ارزش
• 8. الگوریتم‌های یادگیری تابع ارزش
• 9. Q-Learning در محیط‌های چندعامله
• 10. SARSA در محیط‌های چندعامله
• 11. Deep Q-Network (DQN) برای توابع ارزش
• 12. توسعه‌ی DQN برای محیط‌های چندعامله
• 13. Dueling DQN در یادگیری تقویتی چندعامله
• 14. Prioritized Experience Replay برای توابع ارزش
• 15. Multi-Agent Deep Deterministic Policy Gradient (MADDPG)
• 16. Actor-Critic در یادگیری تقویتی چندعامله
• 17. روش‌های مبتنی بر گرادیان سیاست
• 18. یادگیری سیاست در محیط‌های چندعامله
• 19. Policy Gradient با تابع ارزش
• 20. REINFORCE برای توابع ارزش
• 21. Actor-Critic عمیق چندعامله
• 22. A3C (Asynchronous Advantage Actor-Critic) در محیط‌های چندعامله
• 23. PPO (Proximal Policy Optimization) برای توابع ارزش
• 24. TRPO (Trust Region Policy Optimization) در محیط‌های چندعامله
• 25. مدل‌های مبتنی بر عامل مرکزی
• 26. Factored Value Functions
• 27. Centralized Training with Decentralized Execution (CTDE)
• 28. COMA (Counterfactual Multi-Agent Policy Gradients)
• 29. QMIX: Monotonic Value Function Factorisation
• 30. VDN (Value Decomposition Networks)
• 31. QTRAN: Training Independence for Coordination
• 32. اتحاد و هماهنگی در عامل‌های یادگیری تقویتی
• 33. بازی‌های مجموع-صفر در محیط‌های چندعامله
• 34. توابع ارزش در بازی‌های جمع-صفر
• 35. تعادل نش در بازی‌های چندعامله
• 36. توابع ارزش در تعادل نش
• 37. یادگیری تعادل در بازی‌های چندعامله
• 38. بازی‌های مجموع-غیرصفر در محیط‌های چندعامله
• 39. توابع ارزش در بازی‌های مجموع-غیرصفر
• 40. همکاری و رقابت بین عامل‌ها
• 41. یادگیری با مشاهده (Imitation Learning) در محیط‌های چندعامله
• 42. توابع ارزش در یادگیری با مشاهده
• 43. یادگیری مبتنی بر مدل در محیط‌های چندعامله
• 44. توابع ارزش در یادگیری مبتنی بر مدل
• 45. مدل‌های احتمالی برای توابع ارزش
• 46. مدل‌های مبتنی بر شبکه عصبی گراف
• 47. توابع ارزش پویا
• 48. توابع ارزش در زمان‌های گسسته و پیوسته
• 49. کاربرد توابع ارزش در رباتیک
• 50. کاربرد توابع ارزش در سیستم‌های توصیه‌گر
• 51. کاربرد توابع ارزش در مدیریت منابع
• 52. کاربرد توابع ارزش در شبکه‌های ارتباطی
• 53. کاربرد توابع ارزش در بازی‌های کامپیوتری
• 54. کاربرد توابع ارزش در بهینه‌سازی ترافیک
• 55. کاربرد توابع ارزش در اقتصاد خرد
• 56. کاربرد توابع ارزش در بازارهای مالی
• 57. کاربرد توابع ارزش در یادگیری توزیع‌شده
• 58. کاربرد توابع ارزش در پردازش زبان طبیعی
• 59. کاربرد توابع ارزش در بینایی ماشین
• 60. کاربرد توابع ارزش در سلامت دیجیتال
• 61. کاربرد توابع ارزش در آموزش هوشمند
• 62. کاربرد توابع ارزش در سیستم‌های توزیع‌شده
• 63. کاربرد توابع ارزش در اینترنت اشیاء
• 64. کاربرد توابع ارزش در انرژی‌های تجدیدپذیر
• 65. کاربرد توابع ارزش در سیستم‌های حمل و نقل هوشمند
• 66. کاربرد توابع ارزش در مدیریت زنجیره تأمین
• 67. کاربرد توابع ارزش در سیستم‌های توصیه‌ی چندعامله
• 68. کاربرد توابع ارزش در ربات‌های همکار
• 69. کاربرد توابع ارزش در شبیه‌سازی‌های پیچیده
• 70. کاربرد توابع ارزش در طراحی سیستم‌های سازگار
• 71. کاربرد توابع ارزش در بهینه‌سازی لجستیک
• 72. کاربرد توابع ارزش در مدیریت سبد سهام
• 73. کاربرد توابع ارزش در استراتژی‌های معاملاتی
• 74. کاربرد توابع ارزش در تشخیص ناهنجاری
• 75. کاربرد توابع ارزش در کنترل فرایند
• 76. کاربرد توابع ارزش در سیستم‌های امنیتی
• 77. کاربرد توابع ارزش در شبکه‌های اجتماعی
• 78. کاربرد توابع ارزش در مدیریت انرژی خانگی
• 79. کاربرد توابع ارزش در سیستم‌های خودران
• 80. کاربرد توابع ارزش در بهینه‌سازی شبکه‌های توزیع
• 81. کاربرد توابع ارزش در یادگیری تقویتی اجتماعی
• 82. کاربرد توابع ارزش در توسعه‌ی بازی‌های تعاملی
• 83. کاربرد توابع ارزش در تحلیل رفتار عامل‌ها
• 84. کاربرد توابع ارزش در پیش‌بینی عملکرد عامل‌ها
• 85. کاربرد توابع ارزش در یادگیری انتقال
• 86. کاربرد توابع ارزش در یادگیری تقویتی با پاداش پراکنده
• 87. کاربرد توابع ارزش در یادگیری تقویتی با پاداش منفی
• 88. کاربرد توابع ارزش در یادگیری تقویتی با فضای حالت بزرگ
• 89. کاربرد توابع ارزش در یادگیری تقویتی با فضای اقدام بزرگ
• 90. کاربرد توابع ارزش در یادگیری تقویتی با عدم قطعیت
• 91. کاربرد توابع ارزش در یادگیری تقویتی با عامل‌های نادیده
• 92. کاربرد توابع ارزش در یادگیری تقویتی با عامل‌های مخرب
• 93. کاربرد توابع ارزش در یادگیری تقویتی با عامل‌های ناهمگن
• 94. کاربرد توابع ارزش در یادگیری تقویتی با عامل‌های پویا