دانلود کتاب Multi-Agent Coordination: A Reinforcement Learning Approach – هماهنگی چند عاملی: یک رویکرد یادگیری تقویتی

اطلاعات کتاب
  • جلد
  • سری
  • ویرایش
  • سال 2020
  • نویسنده (گان) Arup Kumar Sadhu; Amit Konar
  • ناشر Wiley
  • زبان English
  • تعداد صفحات 315
  • حجم فایل 12.49MB
  • فرمت فایل pdf
  • شابک 9781119698999, 1119698995
قیمت محصول :

45,000 تومان

با خرید این محصول، 2,250 تومان به کیف پول شما بازگشت داده می‌شود

روند خرید و دریافت کتاب‌ها بدون هیچ اختلالی انجام می‌شود.
تمامی فایل‌ها بر روی سرورهای داخلی میزبانی می‌شوند تا بتوانید به راحتی و در لحظه آن‌ها را دانلود کنید. در صورت بروز هرگونه مشکل یا نیاز به راهنمایی، لطفاً از طریق « صفحه تماس باما» با تیم پشتیبانی در ارتباط باشید.

تمامی کتاب های موجود در وبسایت سای وان به زبان انگلیسی میباشد

توضیحات

Discover the latest developments in multi-robot coordination techniques with this insightful and original resource Multi-Agent Coordination: A Reinforcement Learning Approach delivers a comprehensive, insightful, and unique treatment of the development of multi-robot coordination algorithms with minimal computational burden and reduced storage requirements when compared to traditional algorithms. The accomplished academics, engineers, and authors provide readers with both a high-level introduction to, and overview of, multi-robot coordination, and in-depth analyses of learning-based planning algorithms. You’ll learn about how to accelerate the exploration of the team-goal and alternative approaches to speeding up the convergence of TMAQL by identifying the preferred joint action for the team. The authors also propose novel approaches to consensus Q-learning that address the equilibrium selection problem and a new way of evaluating the threshold value for uniting empires without imposing any significant computation overhead. Finally, the book concludes with an examination of the likely direction of future research in this rapidly developing field. Readers will discover cutting-edge techniques for multi-agent coordination, including: An introduction to multi-agent coordination by reinforcement learning and evolutionary algorithms, including topics like the Nash equilibrium and correlated equilibrium Improving convergence speed of multi-agent Q-learning for cooperative task planning Consensus Q-learning for multi-agent cooperative planning The efficient computing of correlated equilibrium for cooperative q-learning based multi-agent planning A modified imperialist competitive algorithm for multi-agent stick-carrying applications Perfect for academics, engineers, and professionals who regularly work with multi-agent learning algorithms, Multi-Agent Coordination: A Reinforcement Learning Approach also belongs on the bookshelves of anyone with an advanced interest in machine learning and artificial intelligence as it applies to the field of cooperative or competitive robotics.

————————————————————–

ترجمه ماشینی :

آخرین پیشرفت‌ها در تکنیک‌های هماهنگی چند ربات را با این منبع روشن‌فکر و اصلی، هماهنگی چند عاملی کشف کنید: رویکرد یادگیری تقویتی، درمان جامع، بینش‌آمیز و منحصربه‌فردی را از توسعه الگوریتم‌های هماهنگی چند ربات با حداقل بار محاسباتی و کاهش ذخیره‌سازی ارائه می‌دهد. الزامات در مقایسه با الگوریتم های سنتی دانشگاهیان، مهندسان و نویسندگان موفق، مقدمه و مروری بر هماهنگی چند روباتی و تحلیل های عمیق الگوریتم های برنامه ریزی مبتنی بر یادگیری را در اختیار خوانندگان قرار می دهند. شما در مورد چگونگی تسریع کاوش در هدف تیم و رویکردهای جایگزین برای سرعت بخشیدن به همگرایی TMAQL با شناسایی اقدام مشترک ترجیحی برای تیم یاد خواهید گرفت. نویسندگان همچنین روش‌های جدیدی را برای یادگیری Q-اجماع پیشنهاد می‌کنند که به مسئله انتخاب تعادل و روش جدیدی برای ارزیابی مقدار آستانه برای متحد کردن امپراتوری‌ها بدون تحمیل هرگونه هزینه محاسباتی قابل توجهی می‌پردازد. در نهایت، این کتاب با بررسی جهت احتمالی تحقیقات آینده در این زمینه به سرعت در حال توسعه به پایان می رسد. خوانندگان تکنیک‌های پیشرفته برای هماهنگی چند عاملی را کشف خواهند کرد، از جمله: مقدمه‌ای بر هماهنگی چند عاملی با یادگیری تقویتی و الگوریتم‌های تکاملی، از جمله موضوعاتی مانند تعادل نش و تعادل همبسته. بهبود سرعت هم‌گرایی یادگیری Q-چند عاملی برای همکاری برنامه ریزی وظیفه اجماع یادگیری Q برای برنامه ریزی تعاونی چند عاملی محاسبه کارآمد تعادل همبسته برای برنامه ریزی چند عامله مبتنی بر یادگیری q مشارکتی الگوریتم رقابتی امپریالیستی اصلاح شده برای برنامه های کاربردی چند عامله ای مناسب برای دانشگاهیان، مهندسان و متخصصان به طور منظم با الگوریتم های یادگیری چند عاملی کار کنید، هماهنگی چند عاملی: رویکرد یادگیری تقویتی همچنین در قفسه کتاب هر کسی که علاقه پیشرفته به یادگیری ماشینی و هوش مصنوعی دارد، تعلق دارد، زیرا در زمینه رباتیک مشارکتی یا رقابتی کاربرد دارد.


 

tag : دانلود کتاب هماهنگی چند عاملی: یک رویکرد یادگیری تقویتی , Download هماهنگی چند عاملی: یک رویکرد یادگیری تقویتی , دانلود هماهنگی چند عاملی: یک رویکرد یادگیری تقویتی , Download Multi-Agent Coordination: A Reinforcement Learning Approach Book , هماهنگی چند عاملی: یک رویکرد یادگیری تقویتی دانلود , buy هماهنگی چند عاملی: یک رویکرد یادگیری تقویتی , خرید کتاب هماهنگی چند عاملی: یک رویکرد یادگیری تقویتی , دانلود کتاب Multi-Agent Coordination: A Reinforcement Learning Approach , کتاب Multi-Agent Coordination: A Reinforcement Learning Approach , دانلود Multi-Agent Coordination: A Reinforcement Learning Approach , خرید Multi-Agent Coordination: A Reinforcement Learning Approach , خرید کتاب Multi-Agent Coordination: A Reinforcement Learning Approach ,

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دانلود کتاب Multi-Agent Coordination: A Reinforcement Learning Approach – هماهنگی چند عاملی: یک رویکرد یادگیری تقویتی”