کتاب کنترل هوشمند با یادگیری تقویتی 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

موضوع کلی: هوش مصنوعی در پردازش اطلاعات و بازیابی دانش

موضوع میانی: هوش مصنوعی در سیستم‌های کنترل هوشمند (Intelligent Control Systems)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر کنترل هوشمند و یادگیری تقویتی
  • 2. مبانی نظری کنترل هوشمند
  • 3. یادگیری تقویتی: مفاهیم و اصطلاحات کلیدی
  • 4. محیط‌های کنترل و انواع آن‌ها
  • 5. عوامل و اقدامات در یادگیری تقویتی
  • 6. تابع پاداش و طراحی آن
  • 7. حالت‌ها و فضاهای حالت در کنترل
  • 8. سیاست‌ها و الگوریتم‌های یادگیری تقویتی
  • 9. روش‌های مبتنی بر ارزش: Q-learning
  • 10. روش‌های مبتنی بر سیاست: Policy Gradients
  • 11. توابع تقریب و شبکه‌های عصبی در یادگیری تقویتی
  • 12. استفاده از جداول Q در مسائل ساده
  • 13. Q-learning عمیق (Deep Q-Network)
  • 14. کنترل بهینه و ارتباط آن با یادگیری تقویتی
  • 15. یادگیری تقویتی در محیط‌های گسسته
  • 16. یادگیری تقویتی در محیط‌های پیوسته
  • 17. مسائل جستجو و اکتشاف در یادگیری تقویتی
  • 18. استراتژی‌های اکتشاف: ε-greedy و UCB
  • 19. یادگیری تقویتی آفلاین (Offline Reinforcement Learning)
  • 20. یادگیری تقویتی انتقال (Transfer Reinforcement Learning)
  • 21. یادگیری تقویتی چندعاملی (Multi-Agent Reinforcement Learning)
  • 22. مدل‌سازی دینامیکی سیستم‌ها برای کنترل
  • 23. پیش‌بینی مدل و کنترل پیش‌بینانه مدل (MPC)
  • 24. یادگیری تقویتی و کنترل تطبیقی
  • 25. کنترل مقاوم با استفاده از یادگیری تقویتی
  • 26. یادگیری تقویتی و رباتیک
  • 27. کنترل ربات‌های متحرک با یادگیری تقویتی
  • 28. یادگیری تقویتی در سیستم‌های خودران
  • 29. بهینه‌سازی مسیر با استفاده از یادگیری تقویتی
  • 30. مدیریت انرژی با استفاده از یادگیری تقویتی
  • 31. کنترل فرآیندهای صنعتی با یادگیری تقویتی
  • 32. یادگیری تقویتی و شبکه‌های حسگر بی‌سیم
  • 33. یادگیری تقویتی و سیستم‌های توزیع‌شده
  • 34. استفاده از یادگیری تقویتی در بازی‌ها
  • 35. یادگیری تقویتی و بهینه‌سازی پورتفولیو
  • 36. یادگیری تقویتی و سیستم‌های توصیه گر
  • 37. چالش‌ها و محدودیت‌های یادگیری تقویتی
  • 38. انتخاب الگوریتم مناسب برای مسئله مورد نظر
  • 39. تنظیم پارامترهای یادگیری تقویتی
  • 40. ارزیابی عملکرد الگوریتم‌های یادگیری تقویتی
  • 41. تحلیل حساسیت در یادگیری تقویتی
  • 42. روش‌های شتاب‌دهی یادگیری تقویتی
  • 43. استفاده از شبیه‌سازی در یادگیری تقویتی
  • 44. یادگیری تقویتی و یادگیری تقلیدی (Imitation Learning)
  • 45. یادگیری تقویتی و یادگیری معکوس تقویتی (Inverse Reinforcement Learning)

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.