دوره جنبه‌های نظری یادگیری از داده‌های بدون برچسب همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جنبه‌های نظری یادگیری از داده‌های بدون برچسب

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: جنبه‌های نظری MARL

📋 سرفصل‌های دوره

• 1. تعریف یادگیری از داده‌های بدون برچسب در MARL
• 2. تمایز دادهٔ بدون برچسب، پاداش، ترجیح و تجربهٔ تعاملی
• 3. منابع دادهٔ بدون برچسب در سیستم‌های چندعامله
• 4. ساختار مشاهده، اقدام، گذار و پاداش در داده‌های چندعامله
• 5. از MDP تا بازی‌های تصادفی چندعامله
• 6. بازی‌های تعاونی، رقابتی و با منافع مختلط
• 7. مدل‌های Dec-POMDP و تصمیم‌گیری با مشاهدهٔ جزئی
• 8. ساختارهای اطلاعاتی مشترک، خصوصی و سلسله‌مراتبی
• 9. چارچوب آموزش متمرکز و اجرا غیرمتمرکز
• 10. پیامد کمبود برچسب در برابر کمیابی پاداش
• 11. نظریهٔ بازنمایی برای مشاهده‌ها و تاریخچهٔ تعامل
• 12. بازنمایی حداقل، کافی و فشردهٔ حالت پنهان
• 13. ناوردایی و هم‌ورایی در بازنمایی عامل‌ها
• 14. مبانی آنتروپی، اطلاعات متقابل و واگرایی KL
• 15. شناسایی‌پذیری عامل‌ها، حالت‌ها و راهبردها از داده
• 16. هم‌ارزی مشاهده‌ای و شناسایی‌ناپذیری علت‌ها
• 17. یادگیری تضادی در بازنمایی چندعامله
• 18. یادگیری پیش‌بین و مدل‌سازی گذار بعدی
• 19. حداکثرسازی اطلاعات متقابل برای هماهنگی عامل‌ها
• 20. استنباط واریاسیونی و کران شواهد
• 21. الگوریتم EM برای راهبردها و متغیرهای نهان
• 22. مدل‌های جهانی نهان در محیط‌های چندعامله
• 23. برنامه‌ریزی در فضای نهان با دادهٔ بدون برچسب
• 24. اکتشاف بدون پاداش در بازی‌های چندعامله
• 25. انگیزش ذاتی مبتنی بر خطای پیش‌بینی
• 26. حداکثرسازی آنتروپی و تنوع رفتاری
• 27. کشف مهارت‌های چندعامله از دادهٔ برچسب‌نشده
• 28. کشف گزینه‌ها و سیاست‌های سلسله‌مراتبی
• 29. یادگیری آفلاین چندعامله از دادهٔ رفتاری
• 30. مفهوم پوشش داده و خطای برون‌یابی
• 31. نمونه‌برداری اهمیتی در ارزیابی برون‌سیاستی
• 32. برآوردگرهای دوگانه‌مقاوم برای ارزیابی سیاست
• 33. همگرایی و ناپایداری در یادگیری آفلاین چندعامله
• 34. ناایستایی محیط ناشی از به‌روزشدن هم‌زمان عامل‌ها
• 35. مدل‌سازی حریف و پیش‌بینی راهبرد سایر عامل‌ها
• 36. بازنمایی نهان سبک‌های بازی و ترجیحات حریف
• 37. یادگیری تقویتی بیزی چندعامله
• 38. عدم قطعیت معرفت‌شناختی و کالیبراسیون مدل‌های پیش‌بین
• 39. تخصیص اعتبار در اقدامات مشترک
• 40. پایه‌های خلاف‌واقع برای کاهش واریانس گرادیان سیاست
• 41. تخصیص اعتبار علی با گراف‌های عامل‌ها و پاداش‌ها
• 42. تجزیهٔ مقدار در روش‌های مبتنی بر ارزش
• 43. محدودیت‌های بیانی و خطای تقریب در تجزیهٔ مقدار
• 44. قضیهٔ گرادیان سیاست در بازی‌های چندعامله
• 45. روش‌های بازیگر–منتقد چندعامله
• 46. همگرایی تقریبی الگوریتم‌های بازیگر–منتقد
• 47. تعادل نش، همبسته و همبستهٔ خشن
• 48. شرایط همگرایی به تعادل در یادگیری چندعامله
• 49. دینامیک خودبازی و تولید دادهٔ بدون برچسب
• 50. بازی تخیلی و به‌روزرسانی بهترین پاسخ
• 51. نظریهٔ پشیمانی در تعامل‌های مکرر
• 52. همگرایی بدون پشیمانی و میانگین راهبردها
• 53. پیچیدگی نمونه در یادگیری چندعامله
• 54. کرانه‌های پایین برای اکتشاف و شناسایی تعادل
• 55. موازنهٔ اکتشاف و بهره‌برداری با چند عامل
• 56. اکتشاف غیرمتمرکز با اطلاعات ناقص
• 57. نظریهٔ ارتباطات، ظرفیت کانال و تأخیر پیام
• 58. ارتباطات ظهوریافته از دادهٔ بدون برچسب
• 59. بازنمایی عامل‌ها با شبکه‌های عصبی گرافی
• 60. ناوردایی نسبت به جایگشت عامل‌ها
• 61. تقریب میدان میانگین برای جمعیت‌های بزرگ
• 62. روش‌های مبتنی بر جمعیت و تنوع راهبردی
• 63. بهینه‌سازی توزیع‌شده و همگرایی اجماعی
• 64. یادگیری چندوظیفه‌ای و بازنمایی مشترک عامل‌ها
• 65. فرا یادگیری سیاست‌ها از خانوادهٔ بازی‌های برچسب‌نشده
• 66. انتقال راهبرد میان توپولوژی‌ها و تعداد عامل‌ها
• 67. تعمیم‌پذیری به عامل‌ها و سناریوهای دیده‌نشده
• 68. جابجایی توزیع ناشی از تغییر راهبرد عامل‌ها
• 69. تشخیص دادهٔ برون‌توزیع در تصمیم‌گیری چندعامله
• 70. سازگاری دامنه با دادهٔ مقصد بدون برچسب
• 71. استحکام در برابر خطای مشاهده و مدل
• 72. حملات خصمانه بر مشاهده، ارتباط و پاداش
• 73. یادگیری ایمن با محدودیت‌های چندعامله
• 74. ابهام پاداش و استنتاج پاداش از رفتار مشاهده‌شده
• 75. حساسیت به ریسک و بهینه‌سازی معیارهای توزیع-محور
• 76. ارزیابی نظری و تجربی کیفیت بازنمایی
• 77. شاخص‌های تعادل، بهره‌وری اجتماعی و هماهنگی
• 78. کارایی محاسباتی، ارتباطی و حافظه‌ای الگوریتم‌ها
• 79. شکاف نظریه و عمل در MARL بدون برچسب
• 80. جهت‌های پژوهشی باز در شناسایی، اکتشاف و تعادل