توضیحات
This book is used at the graduate or advanced undergraduate level and many others. Manned and unmanned ground, aerial and marine vehicles enable many promising and revolutionary civilian and military applications that will change our life in the near future. These applications include, but are not limited to, surveillance, search and rescue, environment monitoring, infrastructure monitoring, self-driving cars, contactless last-mile delivery vehicles, autonomous ships, precision agriculture and transmission line inspection to name just a few. These vehicles will benefit from advances of deep learning as a subfield of machine learning able to endow these vehicles with different capability such as perception, situation awareness, planning and intelligent control. Deep learning models also have the ability to generate actionable insights into the complex structures of large data sets.
In recent years, deep learning research has received an increasing amount of attention from researchers in academia, government laboratories and industry. These research activities have borne some fruit in tackling some of the challenging problems of manned and unmanned ground, aerial and marine vehicles that are still open. Moreover, deep learning methods have been recently actively developed in other areas of machine learning, including reinforcement training and transfer/meta-learning, whereas standard, deep learning methods such as recent neural network (RNN) and coevolutionary neural networks (CNN).
The book is primarily meant for researchers from academia and industry, who are working on in the research areas such as engineering, control engineering, robotics, mechatronics, biomedical engineering, mechanical engineering and computer science.
- The book chapters deal with the recent research problems in the areas of reinforcement learning-based control of UAVs and deep learning for unmanned aerial systems (UAS)
- The book chapters present various techniques of deep learning for robotic applications.
- The book chapters contain a good literature survey with a long list of references.
- The book chapters are well written with a good exposition of the research problem, methodology, block diagrams and mathematical techniques.
- The book chapters are lucidly illustrated with numerical examples and simulations.
- The book chapters discuss details of applications and future research areas.
————————————————————–
ترجمه ماشینی :
این کتاب در مقطع کارشناسی ارشد یا پیشرفته و بسیاری دیگر استفاده می شود. وسایل نقلیه زمینی، هوایی و دریایی سرنشین دار و بدون سرنشین، بسیاری از برنامه های غیرنظامی و نظامی امیدوارکننده و انقلابی را امکان پذیر می کند که زندگی ما را در آینده نزدیک تغییر خواهد داد. این برنامهها شامل نظارت، جستجو و نجات، نظارت بر محیط زیست، نظارت بر زیرساختها، خودروهای خودران، وسایل نقلیه تحویل آخرین مایل بدون تماس، کشتیهای خودران، کشاورزی دقیق و بازرسی خطوط انتقال میشوند. این وسایل نقلیه از پیشرفت های یادگیری عمیق به عنوان زیرشاخه یادگیری ماشینی بهره مند خواهند شد که می تواند به این وسایل نقلیه قابلیت های مختلفی مانند درک، آگاهی از موقعیت، برنامه ریزی و کنترل هوشمند را بدهد. مدلهای یادگیری عمیق همچنین توانایی ایجاد بینش عملی در مورد ساختارهای پیچیده مجموعه دادههای بزرگ را دارند.
در سالهای اخیر، تحقیقات یادگیری عمیق توجه فزایندهای را از سوی محققان دانشگاه، آزمایشگاههای دولتی و صنعت به خود جلب کرده است. . این فعالیتهای تحقیقاتی در مقابله با برخی از مشکلات چالشبرانگیز وسایل نقلیه زمینی، هوایی و دریایی سرنشیندار و بدون سرنشین که هنوز باز هستند، به ثمر نشسته است. علاوه بر این، روشهای یادگیری عمیق اخیراً به طور فعال در زمینههای دیگر یادگیری ماشین، از جمله آموزش تقویتی و انتقال/فرا-یادگیری، توسعه یافتهاند، در حالی که روشهای یادگیری عمیق استاندارد مانند شبکههای عصبی اخیر (RNN) و شبکههای عصبی تکاملی (CNN).
این کتاب عمدتاً برای محققان دانشگاهی و صنعتی است که در زمینههای تحقیقاتی مانند مهندسی، مهندسی کنترل، رباتیک، مکاترونیک، مهندسی زیست پزشکی، مهندسی مکانیک و علوم کامپیوتر کار میکنند.
>
- فصل های کتاب به مشکلات تحقیقاتی اخیر در زمینه های کنترل مبتنی بر یادگیری تقویتی پهپادها و یادگیری عمیق برای سیستم های هوایی بدون سرنشین (UAS) می پردازد
- فصول کتاب تکنیک های مختلف یادگیری عمیق را برای کاربردهای روباتیک ارائه می کند.
- فصل های کتاب حاوی یک بررسی ادبیات خوب با فهرستی طولانی از منابع است.
- فصل های کتاب به خوبی با استفاده از آن نوشته شده اند. توضیح خوبی از مسئله تحقیق، روششناسی، نمودارهای بلوک و تکنیکهای ریاضی.
- فصلهای کتاب بهطور واضح با مثالهای عددی و شبیهسازی نشان داده شدهاند.
- فصلهای کتاب جزئیات کاربردها و کاربردها را مورد بحث قرار میدهند. حوزه های تحقیقاتی آینده.
tag : دانلود کتاب یادگیری عمیق برای سیستم های بدون سرنشین (مطالعات در هوش محاسباتی، 984) , Download یادگیری عمیق برای سیستم های بدون سرنشین (مطالعات در هوش محاسباتی، 984) , دانلود یادگیری عمیق برای سیستم های بدون سرنشین (مطالعات در هوش محاسباتی، 984) , Download Deep Learning for Unmanned Systems (Studies in Computational Intelligence, 984) Book , یادگیری عمیق برای سیستم های بدون سرنشین (مطالعات در هوش محاسباتی، 984) دانلود , buy یادگیری عمیق برای سیستم های بدون سرنشین (مطالعات در هوش محاسباتی، 984) , خرید کتاب یادگیری عمیق برای سیستم های بدون سرنشین (مطالعات در هوش محاسباتی، 984) , دانلود کتاب Deep Learning for Unmanned Systems (Studies in Computational Intelligence, 984) , کتاب Deep Learning for Unmanned Systems (Studies in Computational Intelligence, 984) , دانلود Deep Learning for Unmanned Systems (Studies in Computational Intelligence, 984) , خرید Deep Learning for Unmanned Systems (Studies in Computational Intelligence, 984) , خرید کتاب Deep Learning for Unmanned Systems (Studies in Computational Intelligence, 984) ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.