فلش‌کارت‌های آموزشی مباحث پیشرفته در یادگیری تقویتی چندعامله: تمرکز بر الگوریتم‌های مبتنی بر سیاست

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مباحث پیشرفته در یادگیری تقویتی چندعامله: تمرکز بر الگوریتم‌های مبتنی بر سیاست

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: الگوریتم‌های مبتنی بر سیاست (Policy-based Algorithms)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی چندعامله
• 2. مفاهیم اساسی بازی‌های مارکوف
• 3. مقدمه‌ای بر سیاست‌ها در یادگیری تقویتی
• 4. توابع ارزش و سیاست
• 5. الگوریتم‌های یادگیری تقویتی پایه
• 6. الگوریتم Q-Learning در محیط‌های چندعامله
• 7. الگوریتم SARSA در محیط‌های چندعامله
• 8. الگوریتم‌های مبتنی بر سیاست: مقدمه‌ای
• 9. روش‌های گرادیان سیاست
• 10. الگوریتم REINFORCE
• 11. روش‌های Actor-Critic
• 12. الگوریتم‌های Actor-Critic پیوسته
• 13. یادگیری تقویتی عمیق چندعامله
• 14. شبکه‌های عصبی در یادگیری تقویتی
• 15. شبکه‌های عصبی کانولوشنی در یادگیری تقویتی
• 16. شبکه‌های عصبی بازگشتی در یادگیری تقویتی
• 17. مقدمه‌ای بر حافظه بازگشتی بلندمدت (LSTM)
• 18. استفاده از LSTM در یادگیری تقویتی چندعامله
• 19. مقدمه‌ای بر Attention Mechanism
• 20. استفاده از Attention در یادگیری تقویتی
• 21. یادگیری تقویتی با مدل‌سازی محیط
• 22. مقدمه‌ای بر مدل‌های پیش‌بینی
• 23. استفاده از مدل‌های پیش‌بینی در یادگیری تقویتی
• 24. یادگیری تقویتی آفلاین
• 25. یادگیری تقویتی با پاداش‌های پراکنده
• 26. یادگیری تقویتی سلسله مراتبی
• 27. یادگیری تقویتی با انتقال دانش
• 28. مقدمه‌ای بر یادگیری تقویتی با تقلید
• 29. یادگیری تقویتی با تقویت مثبت
• 30. تبعیض‌گذاری سیاست
• 31. روش‌های اکتشاف در یادگیری تقویتی
• 32. اکتشاف اپسیلون-طماع
• 33. اکتشاف مبتنی بر نویز
• 34. یادگیری تقویتی چندعامله با ارتباطات محدود
• 35. یادگیری تقویتی چندعامله با پاداش‌های مشترک
• 36. یادگیری تقویتی چندعامله با پاداش‌های مستقل
• 37. مقدمه‌ای بر تئوری بازی‌ها
• 38. مفاهیم اساسی تعادل نش
• 39. استفاده از تئوری بازی‌ها در یادگیری تقویتی چندعامله
• 40. یادگیری تقویتی چندعامله متمرکز
• 41. یادگیری تقویتی چندعامله غیرمتمرکز
• 42. یادگیری تقویتی چندعامله با سیاست‌های ترکیبی
• 43. تکنیک‌های کاهش ابعاد در یادگیری تقویتی
• 44. تحلیل حساسیت در یادگیری تقویتی
• 45. بهینه‌سازی هایپرپارامترها در یادگیری تقویتی
• 46. روش‌های موازی‌سازی در یادگیری تقویتی
• 47. یادگیری تقویتی در محیط‌های واقعی
• 48. مقدمه‌ای بر رباتیک
• 49. یادگیری تقویتی در کنترل ربات
• 50. یادگیری تقویتی در ناوبری ربات
• 51. یادگیری تقویتی در بازی‌های ویدیویی
• 52. استفاده از یادگیری تقویتی در بازی‌های استراتژیک
• 53. یادگیری تقویتی در مدیریت منابع
• 54. یادگیری تقویتی در بهینه‌سازی شبکه‌ها
• 55. یادگیری تقویتی در امور مالی
• 56. یادگیری تقویتی و تجارت الگوریتمی
• 57. یادگیری تقویتی در سیستم‌های توصیه‌گر
• 58. یادگیری تقویتی و شخصی‌سازی
• 59. یادگیری تقویتی در سیستم‌های هوشمند حمل و نقل
• 60. یادگیری تقویتی و کنترل ترافیک
• 61. یادگیری تقویتی و مدیریت انرژی
• 62. مقدمه‌ای بر یادگیری تقویتی ایمن
• 63. روش‌های محدود کردن رفتار در یادگیری تقویتی
• 64. یادگیری تقویتی با مشاور ایمن
• 65. یادگیری تقویتی مقاوم
• 66. آینده یادگیری تقویتی چندعامله