کتاب یادگیری تقویتی چندعامله برای بهینه‌سازی برنامه‌ریزی وظایف ربات‌ها در زمان واقعی

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

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی چندعامله برای بهینه‌سازی برنامه‌ریزی وظایف ربات‌ها در زمان واقعی

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای کنترل ربات‌های صنعتی برای انجام وظایف نگهداری و تعمیر

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری تقویتی چندعامله
  • 2. مبانی یادگیری تقویتی
  • 3. عوامل در یادگیری تقویتی
  • 4. محیط در یادگیری تقویتی
  • 5. پاداش و جریمه در یادگیری تقویتی
  • 6. مدل‌های مارکوف تصمیم‌گیری (MDP)
  • 7. فضای حالت و عمل
  • 8. تابع انتقال حالت
  • 9. تابع پاداش
  • 10. مسئله بهینه‌سازی در MDP
  • 11. الگوریتم‌های یادگیری تقویتی
  • 12. یادگیری Q-Learning
  • 13. یادگیری SARSA
  • 14. یادگیری Deep Q-Network (DQN)
  • 15. شبکه‌های عصبی در یادگیری تقویتی
  • 16. تابع ارزش
  • 17. تابع سیاست
  • 18. مقایسه Q-Learning و SARSA
  • 19. پیاده‌سازی Q-Learning
  • 20. پیاده‌سازی SARSA
  • 21. کاربرد یادگیری تقویتی در رباتیک
  • 22. برنامه‌ریزی وظایف ربات‌ها
  • 23. اهداف ربات‌ها
  • 24. محدودیت‌های ربات‌ها
  • 25. زمان واقعی در برنامه‌ریزی ربات‌ها
  • 26. چالش‌های برنامه‌ریزی وظایف ربات‌ها
  • 27. یادگیری تقویتی چندعامله (MARL)
  • 28. مفهوم عامل‌های متعدد
  • 29. تعامل بین عامل‌ها
  • 30. هماهنگی بین عامل‌ها
  • 31. رقابت بین عامل‌ها
  • 32. مدل‌های ارتباطی بین عامل‌ها
  • 33. الگوریتم‌های MARL
  • 34. تجزیه و تحلیل بازی‌ها
  • 35. بازی‌های مجموع-صفر
  • 36. بازی‌های مجموع-غیرصفر
  • 37. مفهوم تعادل نش (Nash Equilibrium)
  • 38. کاربرد تعادل نش در MARL
  • 39. الگوریتم‌های مبتنی بر ارزش در MARL
  • 40. Deep Deterministic Policy Gradient (DDPG) برای MARL
  • 41. Multi-Agent Deep Deterministic Policy Gradient (MADDPG)
  • 42. الگوریتم‌های مبتنی بر سیاست در MARL
  • 43. Proximal Policy Optimization (PPO) برای MARL
  • 44. Actor-Critic در MARL
  • 45. روش‌های هماهنگی در MARL
  • 46. یادگیری با میانجی‌گری (Mediated Learning)
  • 47. یادگیری با همکاری (Cooperative Learning)
  • 48. یادگیری با رقابت (Competitive Learning)
  • 49. یادگیری نیمه‌همکارانه (Partially Cooperative Learning)
  • 50. مدل‌سازی عامل‌های دیگر
  • 51. یادگیری سیاست‌های مشترک
  • 52. یادگیری سیاست‌های مجزا
  • 53. برنامه‌ریزی وظایف ربات‌ها با MARL
  • 54. تخصیص وظایف به ربات‌ها
  • 55. زمان‌بندی وظایف ربات‌ها
  • 56. بهینه‌سازی مسیر ربات‌ها
  • 57. ناوبری ربات‌ها
  • 58. شناسایی اشیاء توسط ربات‌ها
  • 59. انجام وظایف توسط ربات‌ها
  • 60. سیستم‌های رباتیک چند عامله
  • 61. کاربردهای MARL در رباتیک صنعتی
  • 62. کاربردهای MARL در رباتیک خدماتی
  • 63. کاربردهای MARL در رباتیک اکتشافی
  • 64. شبیه‌سازی محیط‌های رباتیک
  • 65. توسعه محیط‌های شبیه‌سازی
  • 66. ارزیابی عملکرد الگوریتم‌های MARL
  • 67. سنجه‌های ارزیابی در MARL
  • 68. مقایسه الگوریتم‌های مختلف MARL
  • 69. چالش‌های پیاده‌سازی MARL در دنیای واقعی
  • 70. مقیاس‌پذیری الگوریتم‌های MARL
  • 71. قدرت تعمیم‌پذیری الگوریتم‌های MARL
  • 72. نویز در داده‌ها و محیط
  • 73. خطای مدل‌سازی
  • 74. ناپایداری در یادگیری
  • 75. تکنیک‌های افزایش پایداری
  • 76. تکنیک‌های افزایش مقیاس‌پذیری
  • 77. تحلیل حساسیت پارامترها
  • 78. کاربرد MARL در بهینه‌سازی منابع
  • 79. مدیریت ترافیک با MARL
  • 80. سیستم‌های انرژی هوشمند با MARL
  • 81. شبکه‌های سنسور با MARL
  • 82. بهینه‌سازی زنجیره تأمین با MARL
  • 83. کاربرد MARL در ربات‌های پرنده
  • 84. کنترل ازدحام ربات‌های پرنده
  • 85. هماهنگی ربات‌های پرنده برای مأموریت‌ها
  • 86. کاربرد MARL در وسایل نقلیه خودران
  • 87. هماهنگی وسایل نقلیه خودران در تقاطع‌ها
  • 88. برنامه‌ریزی مسیر برای ناوگان وسایل نقلیه خودران
  • 89. مباحث پیشرفته در MARL
  • 90. یادگیری تقویتی با پاداش پراکنده
  • 91. یادگیری تقویتی با پاداش منفی
  • 92. یادگیری تقویتی با یادگیری تقلیدی (Imitation Learning)
  • 93. کاربرد یادگیری تقلیدی در MARL
  • 94. یادگیری تقویتی با جستجوی اکتشافی پیشرفته
  • 95. یادگیری تقویتی با استدلال علی (Causal Reasoning)
  • 96. یادگیری تقویتی با شبکه‌های عصبی گراف (GNN)
  • 97. کاربرد GNN در MARL
  • 98. مرزهای تحقیقاتی در MARL
  • 99. آینده MARL در رباتیک
  • 100. توسعه الگوریتم‌های کارآمدتر

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.