کنترل یادگیری: کاربردها در رباتیک و سیستم های دینامیکی پیچیده ۲۰۲۰
Learning Control: Applications in Robotics and Complex Dynamical Systems 2020

دانلود کتاب کنترل یادگیری: کاربردها در رباتیک و سیستم های دینامیکی پیچیده ۲۰۲۰ (Learning Control: Applications in Robotics and Complex Dynamical Systems 2020) با لینک مستقیم و فرمت pdf (پی دی اف)

نویسنده

Dan Zhang,Bin Wei

ناشر: Elsevier
voucher (1)

۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید

سال انتشار

2020

زبان

English

تعداد صفحه‌ها

280

نوع فایل

epub, pdf

حجم

13 Mb, 25 Mb

🏷️ قیمت اصلی: 200,000 تومان بود.قیمت فعلی: 129,000 تومان.

🏷️ قیمت اصلی: ۳۷۸٬۰۰۰ تومان بود. قیمت فعلی: ۲۹۸٬۰۰۰ تومان.

📥 دانلود نسخه‌ی اصلی کتاب به زبان انگلیسی(PDF)
🧠 به همراه ترجمه‌ی فارسی با هوش مصنوعی 🔗 مشاهده جزئیات

دانلود مستقیم PDF

ارسال فایل به ایمیل

پشتیبانی ۲۴ ساعته

توضیحات

معرفی کتاب کنترل یادگیری: کاربردها در رباتیک و سیستم های دینامیکی پیچیده ۲۰۲۰

کتاب “کنترل یادگیری: کاربردها در رباتیک و سیستم های دینامیکی پیچیده” درک بنیادی از نظریه کنترل را ارائه می دهد و در عین حال فناوری های نوظهور و پیشرفته در زمینه کنترل مبتنی بر یادگیری را معرفی می کند. تکنیک های پیشرفته شامل یادگیری ماشین و هوش مصنوعی (AI) همراه با نظریه های کنترلی بنیادی و تکنیک های تثبیت شده تر مانند کنترل یادگیری تطبیقی، کنترل یادگیری تقویتی، کنترل امپدانس و کنترل تقویتی عمیق را پوشش می دهد. هر فصل شامل مطالعات موردی و کاربردهای دنیای واقعی در رباتیک، AI، هواپیما و سایر وسایل نقلیه و سیستم های دینامیکی پیچیده است. روش های محاسباتی برای سیستم های کنترلی، به ویژه آنهایی که برای توسعه AI و سایر تکنیک های یادگیری ماشین استفاده می شوند، نیز به طور مفصل مورد بحث قرار می گیرند.

  • مفاهیم بنیادی نظریه کنترل را همراه با تکنیک های پیشرفته و آخرین پیشرفت ها در کنترل تطبیقی و رباتیک ارائه می دهد
  • فناوری های کنترل مبتنی بر یادگیری پیشرفته و کاربردهای آنها در رباتیک و سایر سیستم های دینامیکی پیچیده را معرفی می کند
  • تکنیک های محاسباتی برای سیستم های کنترل را نشان می دهد
  • کنترل امپدانس یادگیری تکراری را هم در تعامل انسان و ربات و هم در ربات های مشارکتی پوشش می دهد


فهرست کتاب:

۱. تصویر روی جلد

۲. صفحه عنوان

۳. فهرست مطالب

۴. حق نشر

۵. فهرست مشارکت‌کنندگان

۶. فصل ۱: فرآیند طراحی سطح بالا برای کنترل شبکه‌های عصبی از طریق چارچوبی از شخصیت‌های انسانی

۷. فصل ۲: تخمین بار شناختی برای خودکارسازی تطبیقی سیستم انسان-ماشین

۸. فصل ۳: تجزیه و تحلیل جامع خطا فراتر از نوآوری‌های سیستم در فیلتر کالمن

۹. فصل ۴: کنترل غیرخطی

۱۰. فصل ۵: رویکردهای یادگیری عمیق در تحلیل چهره

۱۱. فصل ۶: یادگیری مدل ترکیبی گامای تعمیم‌یافته چند بعدی محدود برای انتخاب ویژگی

۱۲. فصل ۷: یادگیری واریانس مدل‌های ترکیبی ديريكله مقیاس‌بندی شده و تغییریافته محدود

۱۳. فصل ۸: از یادگیری سنتی تا عمیق: تشخیص عیب برای وسایل نقلیه خودران

۱۴. فصل ۹: کنترل ماهواره‌ها با چرخ‌های عکس‌العملی

۱۵. فصل ۱۰: کنترل یادگیری مبتنی بر پویایی دید

۱۶. نمایه

توضیحات(انگلیسی)

Learning Control: Applications in Robotics and Complex Dynamical Systems provides a foundational understanding of control theory while also introducing exciting cutting-edge technologies in the field of learning-based control. State-of-the-art techniques involving machine learning and artificial intelligence (AI) are covered, as are foundational control theories and more established techniques such as adaptive learning control, reinforcement learning control, impedance control, and deep reinforcement control. Each chapter includes case studies and real-world applications in robotics, AI, aircraft and other vehicles and complex dynamical systems. Computational methods for control systems, particularly those used for developing AI and other machine learning techniques, are also discussed at length.

  • Provides foundational control theory concepts, along with advanced techniques and the latest advances in adaptive control and robotics
  • Introduces state-of-the-art learning-based control technologies and their applications in robotics and other complex dynamical systems
  • Demonstrates computational techniques for control systems
  • Covers iterative learning impedance control in both human-robot interaction and collaborative robots


Table of Contents

1. Cover image

2. Title page

3. Table of Contents

4. Copyright

5. List of contributors

6. Chapter 1: A high-level design process for neural-network controls through a framework of human personalities

7. Chapter 2: Cognitive load estimation for adaptive human–machine system automation

8. Chapter 3: Comprehensive error analysis beyond system innovations in Kalman filtering

9. Chapter 4: Nonlinear control

10. Chapter 5: Deep learning approaches in face analysis

11. Chapter 6: Finite multi-dimensional generalized Gamma Mixture Model Learning for feature selection

12. Chapter 7: Variational learning of finite shifted scaled Dirichlet mixture models

13. Chapter 8: From traditional to deep learning: Fault diagnosis for autonomous vehicles

14. Chapter 9: Controlling satellites with reaction wheels

15. Chapter 10: Vision dynamics-based learning control

16. Index

دیگران دریافت کرده‌اند

سایر کتاب‌های ناشر

✨ ضمانت تجربه خوب مطالعه

بازگشت کامل وجه

در صورت مشکل، مبلغ پرداختی بازگردانده می شود.

دانلود پرسرعت

دانلود فایل کتاب با سرعت بالا

ارسال فایل به ایمیل

دانلود مستقیم به همراه ارسال فایل به ایمیل.

پشتیبانی ۲۴ ساعته

با چت آنلاین و پیام‌رسان ها پاسخگو هستیم.

ضمانت کیفیت کتاب

کتاب ها را از منابع معتیر انتخاب می کنیم.