Explore les agents d'apprentissage profond dans l'apprentissage du renforcement, en mettant l'accent sur les approximations du réseau neuronal et les défis dans la formation des systèmes multiactifs.
Couvre les fondamentaux des réseaux neuronaux multicouches et de l'apprentissage profond, y compris la propagation arrière et les architectures réseau comme LeNet, AlexNet et VGG-16.
Introduit la théorie des probabilités, les variables aléatoires et les distributions, en mettant l'accent sur leurs applications dans la diffusion atomique.
Explore le développement historique et les applications industrielles de la radiographie et de la tomographie informatisée avec rayons X, gamma et neutrons.
Explore la conception et les applications de métasurfaces reconfigurables dans l'optique avancée, y compris les métamatériaux magnétiques commutables et les métasurfaces réactives.
Explore l'apprentissage par renforcement profond basé sur des modèles, en se concentrant sur Monte Carlo Tree Search et ses applications dans les stratégies de jeu et les processus décisionnels.
Explore l'apprentissage autosupervisé pour les véhicules autonomes, en dérivant des étiquettes de données elles-mêmes et en discutant de ses applications et de ses défis.
Explore les techniques de microfabrication en verre, y compris l'usinage de précision et l'usinage ultrasonique, en se concentrant sur les propriétés mécaniques et le comportement des fractures.
