کتاب طراحی سیستم‌های کنترلی داده‌محور با رویکرد یادگیری ماشین با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی سیستم‌های کنترلی داده‌محور با رویکرد یادگیری ماشین

موضوع کلی: هوش مصنوعی و یادگیری ماشین در مهندسی

موضوع میانی: کنترل هوشمند و سیستم‌های تطبیقی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین در مهندسی
• 2. مبانی یادگیری ماشین نظارت‌شده
• 3. یادگیری ماشین بدون نظارت: خوشه‌بندی و کاهش ابعاد
• 4. یادگیری تقویتی: مبانی و الگوریتم‌ها
• 5. شبکه‌های عصبی مصنوعی: ساختار و عملکرد
• 6. یادگیری عمیق: شبکه‌های کانولوشنی (CNN)
• 7. یادگیری عمیق: شبکه‌های بازگشتی (RNN) و LSTM
• 8. مقدمه‌ای بر کنترل هوشمند
• 9. تئوری کنترل کلاسیک و محدودیت‌های آن
• 10. سیستم‌های کنترل تطبیقی: مبانی و انواع
• 11. کنترل‌کننده PID تطبیقی
• 12. کنترل‌کننده مدل پیش‌بین (MPC)
• 13. روش‌های یادگیری ماشین در شناسایی سیستم
• 14. شناسایی سیستم با استفاده از رگرسیون خطی
• 15. شناسایی سیستم با استفاده از ماشین‌های بردار پشتیبان (SVM)
• 16. شناسایی سیستم با شبکه‌های عصبی
• 17. شناسایی سیستم با درخت‌های تصمیم و جنگل‌های تصادفی
• 18. کاربرد شبکه‌های عصبی در شناسایی سیستم‌های دینامیکی
• 19. استفاده از یادگیری تقویتی در شناسایی سیستم
• 20. شناسایی سیستم‌های غیرخطی با روش‌های یادگیری ماشین
• 21. کنترل تطبیقی مبتنی بر مدل (Model Reference Adaptive Control - MRAC)
• 22. کنترل تطبیقی با استفاده از یادگیری ماشین
• 23. طراحی کنترل‌کننده تطبیقی با شبکه‌های عصبی
• 24. کنترل تطبیقی با استفاده از یادگیری تقویتی
• 25. کاربرد یادگیری عمیق در کنترل تطبیقی
• 26. کنترل سیستم‌های چندورودی-چندخروجی (MIMO) با یادگیری ماشین
• 27. کنترل سیستم‌های رباتیک با رویکرد داده‌محور
• 28. کنترل سیستم‌های پروازی با یادگیری ماشین
• 29. کنترل سیستم‌های صنعتی با یادگیری ماشین
• 30. بهینه‌سازی پارامترهای کنترل‌کننده با یادگیری ماشین
• 31. یادگیری ماشین برای پیش‌بینی رفتار سیستم
• 32. تشخیص و پیش‌بینی خطا در سیستم‌های کنترلی
• 33. کاربرد یادگیری ماشین در نگهداری و تعمیرات پیش‌بینانه
• 34. سیستم‌های خبره در مهندسی کنترل
• 35. مقدمه‌ای بر پردازش سیگنال برای کنترل
• 36. فیلتر کالمن و تعمیم‌های آن
• 37. فیلترهای غیرخطی و کاربرد آن‌ها
• 38. شناسایی سیستم با استفاده از فیلترهای تطبیقی
• 39. کنترل تطبیقی مبتنی بر فیلتر کالمن
• 40. کاربرد یادگیری ماشین در طراحی فیلترهای تطبیقی
• 41. معماری‌های نوین در یادگیری ماشین برای کنترل
• 42. یادگیری عمیق برای کنترل سیستم‌های پیچیده
• 43. شبکه‌های مولد تخاصمی (GANs) در مهندسی کنترل
• 44. یادگیری ماشین برای کنترل مقاوم
• 45. کنترل تطبیقی با در نظر گرفتن عدم قطعیت
• 46. بهبود عملکرد کنترل‌کننده‌های کلاسیک با یادگیری ماشین
• 47. کاربرد داده‌های بزرگ در طراحی سیستم‌های کنترلی
• 48. تحلیل و تفسیر مدل‌های یادگیری ماشین در کنترل
• 49. ارزیابی عملکرد سیستم‌های کنترلی داده‌محور
• 50. شبیه‌سازی سیستم‌های کنترلی با یادگیری ماشین
• 51. پیاده‌سازی سیستم‌های کنترلی داده‌محور بر روی سخت‌افزار
• 52. ملاحظات اخلاقی و امنیتی در سیستم‌های کنترلی مبتنی بر هوش مصنوعی
• 53. اصول اقتصاد مهندسی در طراحی سیستم‌های کنترلی
• 54. مدیریت پروژه در توسعه سیستم‌های کنترلی داده‌محور
• 55. ارتباطات در سیستم‌های هوشمند و کنترل‌شده
• 56. مبانی تئوری اطلاعات در یادگیری ماشین برای کنترل
• 57. روش‌های پیشرفته در یادگیری تقویتی
• 58. یادگیری عمیق برای کنترل توالی‌ها (Sequences)
• 59. کاربرد یادگیری ماشین در رباتیک نرم
• 60. کنترل تعامل انسان و ربات با یادگیری ماشین
• 61. سیستم‌های توصیه‌گر در مهندسی کنترل
• 62. یادگیری ماشین برای بهینه‌سازی منابع
• 63. کنترل سیستم‌های توزیع‌شده با یادگیری ماشین
• 64. شبکه‌های عصبی گراف (GNNs) در مهندسی کنترل
• 65. یادگیری ماشین برای تشخیص ناهنجاری در داده‌های کنترلی
• 66. کنترل تطبیقی برای سیستم‌های با تأخیر متغیر
• 67. روش‌های پیشرفته در شناسایی سیستم‌های غیرخطی
• 68. کاربرد یادگیری ماشین در سیستم‌های خودمختار
• 69. طراحی کنترل‌کننده‌های خود-تنظیم‌شونده
• 70. یادگیری ماشین برای کنترل سیستم‌های کوانتومی
• 71. مقدمه‌ای بر یادگیری ماشین در رباتیک مشارکتی
• 72. کنترل هوشمند برای سیستم‌های انرژی تجدیدپذیر
• 73. یادگیری ماشین در سیستم‌های حمل و نقل هوشمند
• 74. کنترل تطبیقی برای سیستم‌های با پارامترهای متغیر
• 75. بهینه‌سازی چندهدفه با یادگیری ماشین
• 76. کاربرد شبکه‌های عصبی کانولوشنی در پردازش تصاویر کنترلی
• 77. یادگیری ماشین برای پیش‌بینی رفتار دینامیکی سیستم‌ها
• 78. کنترل تطبیقی با استفاده از مدل‌های مبتنی بر داده
• 79. روش‌های یادگیری ماشین برای کنترل سیستم‌های زیستی
• 80. کاربرد یادگیری ماشین در سیستم‌های مالی هوشمند
• 81. کنترل سیستم‌های پردازش سیگنال با یادگیری ماشین
• 82. یادگیری ماشین برای تشخیص الگو در داده‌های کنترلی
• 83. کنترل تطبیقی با رویکرد فازی-عصبی
• 84. روش‌های پیشرفته در شناسایی سیستم‌های دینامیکی
• 85. کاربرد یادگیری ماشین در رباتیک خودمختار
• 86. طراحی سیستم‌های کنترلی با قابلیت یادگیری مستمر
• 87. یادگیری ماشین برای کنترل سیستم‌های تولید هوشمند
• 88. کنترل هوشمند برای سیستم‌های پزشکی
• 89. یادگیری ماشین در سیستم‌های ارتباطی پیشرفته
• 90. کنترل تطبیقی با در نظر گرفتن قیدها
• 91. روش‌های یادگیری ماشین برای بهینه‌سازی فرآیندها
• 92. کاربرد یادگیری ماشین در سیستم‌های خودکار صنعتی
• 93. طراحی کنترل‌کننده‌های یادگیرنده برای ربات‌های متحرک
• 94. یادگیری ماشین برای پیش‌بینی و کنترل پدیده‌های پیچیده
• 95. کنترل تطبیقی با استفاده از رویکردهای یادگیری عمیق
• 96. روش‌های یادگیری ماشین برای تحلیل و کنترل سیستم‌های شبکه
• 97. کاربرد یادگیری ماشین در سیستم‌های امنیتی هوشمند
• 98. طراحی سیستم‌های کنترلی با قابلیت سازگاری بالا
• 99. یادگیری ماشین برای بهینه‌سازی عملکرد سیستم‌های توزیع‌شده
• 100. کنترل هوشمند برای سیستم‌های رباتیک انعطاف‌پذیر