کتاب کنترل هوشمند با یادگیری تقویتی عمیق با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کنترل هوشمند با یادگیری تقویتی عمیق

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری تقویتی پیشرفته

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری تقویتی
  • 2. مبانی کنترل هوشمند
  • 3. مروری بر الگوریتم‌های یادگیری تقویتی
  • 4. شبکه‌های عصبی عمیق و یادگیری تقویتی
  • 5. تابع ارزش و تخمین آن
  • 6. سیاست‌ها و گرادیان سیاست
  • 7. روش‌های مبتنی بر مدل
  • 8. یادگیری تقویتی قطعی (Deterministic Policy Gradient)
  • 9. یادگیری تقویتی بازیگر-منتقد (Actor-Critic)
  • 10. تکنیک‌های کاوش در یادگیری تقویتی
  • 11. استفاده از حافظه در یادگیری تقویتی (Experience Replay)
  • 12. شبکه‌های عصبی کانولوشنی در یادگیری تقویتی
  • 13. شبکه‌های عصبی بازگشتی در یادگیری تقویتی
  • 14. یادگیری تقویتی چندعامله
  • 15. یادگیری تقویتی سلسله مراتبی
  • 16. یادگیری تقویتی آفلاین (Offline Reinforcement Learning)
  • 17. یادگیری تقویتی انتقال (Transfer Reinforcement Learning)
  • 18. یادگیری تقویتی ایمن (Safe Reinforcement Learning)
  • 19. کنترل رباتیک با یادگیری تقویتی
  • 20. کنترل سیستم‌های پیچیده با یادگیری تقویتی
  • 21. بهینه‌سازی کنترل با استفاده از یادگیری تقویتی
  • 22. یادگیری تقویتی در محیط‌های شبیه‌سازی شده
  • 23. استفاده از یادگیری تقویتی در بازی‌ها
  • 24. یادگیری تقویتی و برنامه‌ریزی مسیر
  • 25. یادگیری تقویتی و تخصیص منابع
  • 26. یادگیری تقویتی و کنترل ترافیک
  • 27. یادگیری تقویتی و مدیریت انرژی
  • 28. یادگیری تقویتی و سیستم‌های توصیه گر
  • 29. تکنیک‌های موازی‌سازی در یادگیری تقویتی
  • 30. یادگیری تقویتی توزیع شده
  • 31. الگوریتم‌های پیشرفته یادگیری تقویتی قطعی
  • 32. الگوریتم‌های پیشرفته بازیگر-منتقد
  • 33. روش‌های نمونه‌برداری اهمیت (Importance Sampling)
  • 34. یادگیری تقویتی با پاداش‌های پراکنده (Sparse Rewards)
  • 35. یادگیری تقویتی و پایداری (Stability)
  • 36. یادگیری تقویتی و تعمیم‌پذیری (Generalization)
  • 37. یادگیری تقویتی و یادگیری مداوم (Continual Learning)
  • 38. محدودیت‌های یادگیری تقویتی
  • 39. چالش‌های پیاده‌سازی یادگیری تقویتی در دنیای واقعی
  • 40. ابزارهای توسعه یادگیری تقویتی
  • 41. چارچوب‌های نرم‌افزاری یادگیری تقویتی
  • 42. معرفی TensorFlow و یادگیری تقویتی
  • 43. معرفی PyTorch و یادگیری تقویتی
  • 44. معرفی OpenAI Gym
  • 45. معرفی DeepMind Lab
  • 46. یادگیری تقویتی و یادگیری نظارتی
  • 47. یادگیری تقویتی و یادگیری بدون نظارت
  • 48. یادگیری تقویتی و یادگیری خودنظارتی
  • 49. یادگیری تقویتی و یادگیری انتقالی
  • 50. روش‌های کاهش ابعاد در یادگیری تقویتی
  • 51. یادگیری تقویتی و داده‌های نامتوازن
  • 52. یادگیری تقویتی و تشخیص ناهنجاری
  • 53. یادگیری تقویتی و پیش‌بینی وقایع
  • 54. یادگیری تقویتی و کنترل بهینه
  • 55. یادگیری تقویتی و مدل‌سازی سیستم
  • 56. یادگیری تقویتی و بهینه‌سازی چندهدفه
  • 57. یادگیری تقویتی و کنترل تطبیقی
  • 58. یادگیری تقویتی و کنترل مقاوم
  • 59. یادگیری تقویتی و کنترل غیرخطی
  • 60. یادگیری تقویتی و کنترل مبتنی بر رویداد
  • 61. یادگیری تقویتی و کنترل هیبریدی
  • 62. یادگیری تقویتی و شبکه‌های حسگر بی‌سیم
  • 63. یادگیری تقویتی و سیستم‌های اینترنت اشیا
  • 64. یادگیری تقویتی و شبکه‌های اجتماعی
  • 65. یادگیری تقویتی و بازارهای مالی
  • 66. یادگیری تقویتی و مدیریت زنجیره تامین
  • 67. یادگیری تقویتی و بهینه‌سازی حمل و نقل
  • 68. یادگیری تقویتی و کشاورزی دقیق
  • 69. یادگیری تقویتی و سلامت و درمان
  • 70. یادگیری تقویتی و آموزش و پرورش
  • 71. یادگیری تقویتی و هنر و خلاقیت
  • 72. یادگیری تقویتی و امنیت سایبری
  • 73. یادگیری تقویتی و حفظ حریم خصوصی
  • 74. یادگیری تقویتی و اخلاق هوش مصنوعی
  • 75. یادگیری تقویتی و آینده هوش مصنوعی
تگ‌ها: DRL الگوریتم‌های یادگیری تقویتی بهینه‌سازی سیستم‌ها رباتیک سیستم‌های کنترلی کنترل تطبیقی کنترل هوشمند هوش مصنوعی یادگیری تقویتی عمیق یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.