کتاب پیشرفته‌ترین تکنیک‌های مدل‌سازی عامل‌محور برای MARL با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

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 پیشرفته‌ترین تکنیک‌های مدل‌سازی عامل‌محور برای MARL

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: مدل‌سازی عامل‌محور (Agent-Based Modeling)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌سازی عامل‌محور
  • 2. مفاهیم پایه چندعاملی
  • 3. معماری‌های رایج سیستم‌های چندعاملی
  • 4. محیط‌های شبیه‌سازی برای MARL
  • 5. الگوریتم‌های یادگیری تقویتی پایه
  • 6. Q-Learning و کاربردهای آن در MARL
  • 7. Deep Q-Network (DQN) و بهبودها
  • 8. Policy Gradient Methods
  • 9. Actor-Critic Methods
  • 10. مقدمه‌ای بر یادگیری تقویتی چندعاملی
  • 11. چالش‌های یادگیری در محیط‌های چندعاملی
  • 12. مفهوم تعادل نش در MARL
  • 13. الگوریتم‌های یافتن تعادل نش
  • 14. Centralized Training with Decentralized Execution (CTDE)
  • 15. Independent Q-Learning (IQL)
  • 16. Value Decomposition Networks (VDN)
  • 17. QMIX و کاربردهای آن
  • 18. Multi-Agent Deep Deterministic Policy Gradient (MADDPG)
  • 19. Counterfactual Multi-Agent Policy Gradients (COMA)
  • 20. مفهوم پاداش مشترک و چالش‌های آن
  • 21. شکل‌دهی پاداش در MARL
  • 22. یادگیری انتقال پاداش
  • 23. مقدمه‌ای بر ارتباطات بین عامل‌ها
  • 24. پروتکل‌های ارتباطی در MARL
  • 25. یادگیری ارتباطات
  • 26. استفاده از گراف‌ها در مدل‌سازی روابط عامل‌ها
  • 27. شبکه‌های عصبی گراف برای MARL
  • 28. استفاده از ترنسفورمرها در MARL
  • 29. مدل‌سازی عدم قطعیت در MARL
  • 30. یادگیری با داده‌های ناقص
  • 31. یادگیری انتقال
  • 32. یادگیری فعال در MARL
  • 33. بازی‌های رقابتی چندعاملی
  • 34. بازی‌های همکاری‌محور چندعاملی
  • 35. بازی‌های مختلط چندعاملی
  • 36. تکنیک‌های حل بازی‌های چندعاملی
  • 37. استفاده از نظریه بازی در MARL
  • 38. مقدمه‌ای بر یادگیری سلسله مراتبی
  • 39. یادگیری سلسله مراتبی در MARL
  • 40. استفاده از حافظه در MARL
  • 41. شبکه‌های حافظه بلندمدت (LSTM) در MARL
  • 42. شبکه‌های حافظه بیرونی (Memory Networks) در MARL
  • 43. تکنیک‌های کاهش ابعاد در MARL
  • 44. Autoencoders برای کاهش ابعاد
  • 45. PCA و کاربردهای آن در MARL
  • 46. بهینه‌سازی هایپرمترها در MARL
  • 47. روش‌های جستجوی هایپرمتر
  • 48. استفاده از الگوریتم‌های تکاملی در MARL
  • 49. تفسیرپذیری در MARL
  • 50. روش‌های تجسم و تحلیل رفتار عامل‌ها
  • 51. کاربردهای MARL در رباتیک
  • 52. کاربردهای MARL در مدیریت شبکه
  • 53. کاربردهای MARL در اقتصاد
  • 54. کاربردهای MARL در کنترل ترافیک
  • 55. کاربردهای MARL در بازی‌های ویدئویی
  • 56. مقدمه‌ای بر یادگیری تقویتی معکوس
  • 57. یادگیری تقویتی معکوس در MARL
  • 58. تکنیک‌های ایمن‌سازی یادگیری تقویتی
  • 59. یادگیری تقویتی با محدودیت
  • 60. مقدمه‌ای بر یادگیری meta در MARL
  • 61. تکنیک‌های انتقال یادگیری در MARL
  • 62. یادگیری چندوظیفه‌ای در MARL
  • 63. چالش‌های مقیاس‌پذیری در MARL
  • 64. تکنیک‌های توزیع‌شده در MARL
  • 65. استفاده از محاسبات ابری در MARL
  • 66. مباحث پیشرفته در یادگیری تقویتی
  • 67. آینده MARL و چالش‌های پیش رو
تگ‌ها: Agent-Based Modeling MARL الگوریتم‌های MARL شبیه‌سازی چندعامله عامل‌های هوشمند مدل‌سازی عامل‌محور هوش محاسباتی هوش مصنوعی یادگیری تقویتی چندعامله یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.