Sharif Digital Repository / Sharif University of Technology
    • [Zoom In]
    • [Zoom Out]
  • Page 
     of  0
  • [Previous Page]
  • [Next Page]
  • [Fullscreen view]
  • [Close]
 
طرح‌ریزی فرایند مونتاژ رباتیک خودکار مبتنی بر روش یادگیری تقویتی
رئیسی، مهران Raisi, Mehran

Cataloging brief

طرح‌ریزی فرایند مونتاژ رباتیک خودکار مبتنی بر روش یادگیری تقویتی
پدیدآور اصلی :   رئیسی، مهران Raisi, Mehran
ناشر :   صنعتی شریف
سال انتشار  :   1399
موضوع ها :   الگوریتم های هوشمند Intelligent Algorithms یادگیری تقویتی سلسله مراتبی Hierarchical...
شماره راهنما :   ‭08-54094

Find in content

sort by

Bookmark

  • مقدمه (12)
    • تعریف مسئله (13)
    • کاربرد و اهمیت موضوع (14)
    • ساختار پایان‌نامه (16)
  • شبیه‌سازی فرآیند رگ‌زایی: تحلیل توپولوژیکی داده‌ها و بررسی تأثیر پارامترهای کلیدی (18)
    • مقدمه (18)
    • شبیه‌سازی فرآیند رگ‌زایی (19)
      • ورودی‌های شبیه‌سازی (19)
      • فرآیند شبیه‌سازی (21)
      • پارامترهای شبیه‌سازی و تنظیمات عددی (22)
      • خروجی شبیه‌سازی (23)
    • تحلیل داده‌ها به روش توپولوژیکی (TDA) (25)
      • مفاهیم پایه ‌ای (25)
      • محاسبه‌ی ویژگی‌های توپولوژیکی (27)
      • بردارهای توصیفگر توپولوژیکی Topological Descriptor Vectors (33)
    • خوشه بندی شبیه‌سازی‌ها (36)
      • مفاهیم پایه‌ای (36)
      • اجرای خوشه‌بندی (37)
    • تحلیل نحوه تاثیرگذاری کموتاکسی و هاپتوتاکسی بر رگ‌زایی (41)
      • تحلیل تأثیر پارامتر کموتاکسی بر رگ‌زایی (41)
      • تحلیل آستانه‌های کموتاکسی و هاپتوتاکسی برای رگ‌زایی (41)
  • تعیین دوز بهینه دارو ضد رگ‌زایی (45)
    • مقدمه (45)
    • هدف پروژه (46)
    • تعاریف و مفاهیم (46)
    • ساختار یادگیری تقویتی (50)
      • بازگشت مورد انتظار (Expected Return) و تابع ارزش V (50)
      • دسته‌بندی‌های مختلف سیاست‌ها (52)
      • اجزای مختلف برای یادگیری یک سیاست Policy Components (53)
      • تنظیمات مختلف برای یادگیری سیاست از داده‌ها (54)
    • تولید داده‌های مصنوعی برای بیماران سرطانی گوارشی تحت درمان با راموسیروماب (55)
      • انتخاب ویژگی‌ها و توزیع‌های پیشنهادی (56)
    • مدل PK/PD برای راموسیروماب (58)
      • بخش فارماکوکینتیک (PK) (58)
      • بخش فارماکودینامیک (PD) (59)
    • معرفی الگوریتم یادگیری تقویتی عمیق SAC (67)
      • مقدمه‌ای بر الگوریتم (67)
      • مفاهیم اولیه (68)
      • Soft Actor-Critic (SAC) به‌عنوان نسخه‌ای از Soft Policy Iteration (70)
      • الگوریتم و ساختار :SAC (71)
      • مدل PK/PD و شبیه‌سازی اثرات دارو (75)
  • پیاده‌سازی و نتایج (78)
    • طراحی گام های مدل (78)
    • ساختار و مراحل پیاده‌سازی (SAC) (80)
      • ساختار و اجزای کلیدی مدل SAC (80)
      • مراحل اجرای مدل (82)
      • ساختار شبکه عصبی و هایپرپارامترها (83)
    • نتایج پیاده سازی (84)
  • نتیجه‌گیری و پیشنهادات برای کارهای آینده (88)
    • نتیجه‌گیری (88)
      • نکات کلیدی مدل پیشنهادی (88)
      • چالش‌ها و محدودیت‌ها (89)
    • پیشنهادها و کارهای آینده (90)
    • نتیجه‌گیری نهایی (92)
  • مراجع (93)
  • واژه‌نامه (97)
Loading...