فلش‌کارت‌های آموزشی رویکردهای نوین در یادگیری تقویتی چندعامله برای تشخیص فعالیت‌های پیچیده در ویدئو

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره رویکردهای نوین در یادگیری تقویتی چندعامله برای تشخیص فعالیت‌های پیچیده در ویدئو

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای سیستم‌های نظارت تصویری هوشمند

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی چندعامله (MARL)
• 2. مفاهیم پایه یادگیری تقویتی: پاداش، حالت، عمل
• 3. چالش‌های یادگیری تقویتی چندعامله
• 4. معماری‌های پایه برای MARL: متمرکز، غیرمتمرکز، ترکیبی
• 5. الگوریتم‌های پایه MARL: Independent Q-Learning (IQL)
• 6. الگوریتم‌های پایه MARL: Value Decomposition Networks (VDN)
• 7. الگوریتم‌های پایه MARL: QMIX
• 8. الگوریتم‌های پایه MARL: Counterfactual Multi-Agent Policy Gradients (COMA)
• 9. مقدمه‌ای بر سیستم‌های نظارت تصویری هوشمند
• 10. تشخیص فعالیت در ویدئو: چالش‌ها و رویکردها
• 11. مجموعه داده‌های استاندارد برای تشخیص فعالیت در ویدئو
• 12. پرداش پیش‌پردازش ویدئو برای MARL
• 13. استخراج ویژگی از ویدئو: روش‌های دستی و یادگیری عمیق
• 14. شبکه‌های عصبی کانولوشنی (CNN) برای استخراج ویژگی ویدئو
• 15. شبکه‌های عصبی بازگشتی (RNN) برای مدل‌سازی وابستگی‌های زمانی در ویدئو
• 16. ترکیب CNN و RNN برای تشخیص فعالیت
• 17. یادگیری تقویتی برای تشخیص فعالیت‌های ساده
• 18. یادگیری تقویتی برای تشخیص فعالیت‌های پیچیده: چالش‌ها
• 19. استفاده از Attention Mechanism در MARL برای تشخیص فعالیت
• 20. استفاده از Transformer در MARL برای تشخیص فعالیت
• 21. یادگیری تقویتی سلسله‌مراتبی برای تشخیص فعالیت‌های پیچیده
• 22. یادگیری تقویتی با حافظه (Memory-augmented Reinforcement Learning)
• 23. استفاده از Imitation Learning در MARL برای تشخیص فعالیت
• 24. یادگیری تقویتی با پاداش‌های شکل‌دهی (Reward Shaping)
• 25. یادگیری تقویتی با Curriculum Learning
• 26. یادگیری تقویتی با Exploration Bonus
• 27. استفاده از Generative Adversarial Networks (GAN) در MARL
• 28. استفاده از Variational Autoencoders (VAE) در MARL
• 29. انتقال یادگیری در MARL برای تشخیص فعالیت
• 30. یادگیری تقویتی چندعامله برای ردیابی اشیاء
• 31. یادگیری تقویتی چندعامله برای پیش‌بینی حرکات
• 32. استفاده از MARL برای تشخیص فعالیت‌های غیرعادی
• 33. تطبیق سیاست در MARL (Policy Adaptation)
• 34. یادگیری تقویتی چندعامله با ارتباطات محدود
• 35. یادگیری تقویتی چندعامله با پاداش‌های پراکنده (Sparse Rewards)
• 36. یادگیری تقویتی چندعامله با اطلاعات ناقص (Partial Observability)
• 37. استفاده از Meta-Learning در MARL برای تشخیص فعالیت
• 38. یادگیری تقویتی چندعامله با سیاست‌های ترکیبی (Hybrid Policies)
• 39. بهینه‌سازی سیاست در MARL: الگوریتم‌های مبتنی بر گرادیان
• 40. بهینه‌سازی سیاست در MARL: الگوریتم‌های تکاملی
• 41. روش‌های ارزیابی عملکرد MARL در تشخیص فعالیت
• 42. مقایسه رویکردهای مختلف MARL برای تشخیص فعالیت
• 43. کاربردهای عملی MARL در سیستم‌های نظارت تصویری
• 44. چالش‌ها و مسیرهای آینده در MARL برای تشخیص فعالیت