کتاب صوتی شبکه‌های عصبی بازگشتی و نقش آن‌ها در تکامل عامل‌ها در MARL

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شبکه‌های عصبی بازگشتی و نقش آن‌ها در تکامل عامل‌ها در MARL

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: شبکه‌های عصبی بازگشتی (RNN)

📋 سرفصل‌های دوره

• 1. مبانی شبکه‌های عصبی بازگشتی (RNN)
• 2. معماری شبکه LSTM
• 3. کاربرد LSTM در مدل‌سازی توالی‌ها
• 4. شبکه‌های GRU و مزایای آن‌ها
• 5. مقایسه LSTM و GRU
• 6. شبکه‌های عصبی کانولوشنی (CNN) برای پردازش توالی
• 7. کاربرد CNN در تحلیل داده‌های سری زمانی
• 8. مقدمه‌ای بر یادگیری تقویتی (RL)
• 9. مفاهیم کلیدی در یادگیری تقویتی
• 10. الگوریتم‌های یادگیری تقویتی مبتنی بر ارزش
• 11. الگوریتم‌های یادگیری تقویتی مبتنی بر سیاست
• 12. یادگیری تقویتی عمیق (DRL)
• 13. شبکه‌های عصبی عمیق در یادگیری تقویتی
• 14. عامل‌های یادگیری تقویتی چند عاملی (MARL)
• 15. مفاهیم اساسی در MARL
• 16. چالش‌های کلیدی در MARL
• 17. محیط‌های مشترک در MARL
• 18. محیط‌های غیرمشترک در MARL
• 19. مدل‌های هماهنگی در MARL
• 20. مدل‌های رقابتی در MARL
• 21. مدل‌های ترکیبی در MARL
• 22. یادگیری عامل‌های مستقل (IQL)
• 23. محدودیت‌های IQL
• 24. مرکزیت‌زدایی در MARL
• 25. یادگیری با مربی (Imitation Learning) در MARL
• 26. یادگیری تقویتی با بازخورد انسانی (RLHF)
• 27. یادگیری از طریق مشاهده (Learning from Demonstration)
• 28. تکنیک‌های بازی‌سازی (Gamification) در MARL
• 29. شبکه‌های عصبی گرافی (GNN) برای MARL
• 30. کاربرد GNN در نمایش محیط‌های MARL
• 31. شبکه‌های عصبی بازگشتی در MARL
• 32. استفاده از LSTM در عامل‌های MARL
• 33. کاربرد GRU در عامل‌های MARL
• 34. شبکه‌های CNN در عامل‌های MARL
• 35. مقدمه‌ای بر مدل‌های انتقال (Transformer)
• 36. کاربرد مدل‌های انتقال در MARL
• 37. شبکه‌های مولد تخاصمی (GAN) در MARL
• 38. استفاده از GAN برای تولید داده در MARL
• 39. یادگیری اعتماد (Credit Assignment) در MARL
• 40. روش‌های یادگیری اعتماد مبتنی بر ارزش
• 41. روش‌های یادگیری اعتماد مبتنی بر سیاست
• 42. یادگیری اعتماد در محیط‌های پیچیده
• 43. تکنیک‌های کاهش ابعاد در MARL
• 44. مقیاس‌پذیری عامل‌ها در MARL
• 45. استفاده از حافظه خارجی در MARL
• 46. شبکه‌های عصبی با حافظه بلندمدت (LSTMs) در عامل‌های MARL
• 47. شبکه‌های عصبی با حافظه کوتاه‌مدت (GRUs) در عامل‌های MARL
• 48. مدل‌های عامل-محیط در MARL
• 49. مدل‌های عامل-عامل در MARL
• 50. ارتباطات بین عامل‌ها در MARL
• 51. مکانیسم‌های ارتباطی مبتنی بر پیام
• 52. مکانیسم‌های ارتباطی مبتنی بر توجه
• 53. یادگیری ارتباطات مؤثر
• 54. نقش ارتباطات در هماهنگی
• 55. نقش ارتباطات در حل تعارض
• 56. یادگیری استراتژی‌های مشترک
• 57. یادگیری استراتژی‌های توزیع‌شده
• 58. یادگیری استراتژی‌های انطباقی
• 59. ارزیابی عملکرد عامل‌ها در MARL
• 60. معیارهای ارزیابی در MARL
• 61. شبیه‌سازی محیط‌های MARL
• 62. محیط‌های بازی مانند StarCraft
• 63. محیط‌های رباتیک و کنترل
• 64. محیط‌های ترافیک و حمل و نقل
• 65. محیط‌های اقتصادی و مالی
• 66. محیط‌های شبکه‌های اجتماعی
• 67. محیط‌های نظامی و دفاعی
• 68. محیط‌های بهداشت و درمان
• 69. محیط‌های آموزشی و یادگیری
• 70. محیط‌های بازی‌های ویدئویی
• 71. مقدمه‌ای بر یادگیری عمیق کوانتومی
• 72. کاربرد یادگیری عمیق کوانتومی در MARL
• 73. اخلاق در MARL
• 74. سوگیری در الگوریتم‌های MARL
• 75. شفافیت و قابلیت تفسیر در MARL
• 76. امنیت عامل‌ها در MARL
• 77. حملات adversarial در MARL
• 78. روش‌های دفاع در برابر حملات adversarial
• 79. یادگیری تقویتی در رباتیک چند عاملی
• 80. کاربرد MARL در سیستم‌های خودران
• 81. کاربرد MARL در مدیریت منابع
• 82. کاربرد MARL در بهینه‌سازی انرژی
• 83. کاربرد MARL در شبکه‌های توزیع‌شده
• 84. کاربرد MARL در کشف دانش
• 85. کاربرد MARL در تحلیل داده‌های بزرگ
• 86. کاربرد MARL در پردازش زبان طبیعی
• 87. کاربرد MARL در بینایی ماشین
• 88. کاربرد MARL در سیستم‌های توصیه‌گر
• 89. کاربرد MARL در بازی‌های استراتژیک
• 90. کاربرد MARL در مدیریت زنجیره تأمین
• 91. کاربرد MARL در بهینه‌سازی لجستیک
• 92. کاربرد MARL در طراحی سیستم‌های پیچیده
• 93. کاربرد MARL در شبیه‌سازی‌های علمی
• 94. کاربرد MARL در تحقیقات فضایی
• 95. کاربرد MARL در پیش‌بینی هواشناسی
• 96. کاربرد MARL در مدل‌سازی اقلیمی
• 97. کاربرد MARL در کشف دارو
• 98. کاربرد MARL در توسعه مواد جدید