{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "Q41",
        "title": "استفاده از تکنیک های یادگیری ماشین در  پیاده سازی  بازی های سه بعدی",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1392",
        "last_update": "2026-06-23",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "Q41",
        "title": "استفاده از تکنیک های یادگیری ماشین در  پیاده سازی  بازی های سه بعدی",
        "degree": null,
        "faculty": "مهندسی کامپیوتر ",
        "year": 1392,
        "authors": [
            {
                "name": "مهدی نیازی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "حمید حسن پور",
                "role": "استاد راهنما"
            },
            {
                "name": "بهروز مینایی",
                "role": "استاد مشاور"
            },
            {
                "name": "علی سبطی",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "یادگیری ماشین",
            "یادگیری تقویتی",
            "بازی های کامپیوتری",
            "عامل های هوشمند",
            "عامل های یادگیرنده"
        ],
        "abstract": "در این پایان نامه از یادگیری تقویتی  برای پیدا کردن یک سیاست مناسب جهت رفع مشکل موجود در بازی های امروزی که سطح سختی نامتناسب و عدم تطبیق پذیری بازی، با قابلیت های بازیکنان می باشد استفاده کرده ایم. عامل یادگیرنده  بازی که از روش یادگیری تطبیقی  Dyna بهره می برد با بکار بردن تابع عمل-ارزش  و دریافت پاداش، شروع به درک محیط اطراف خود می کند و در ادامه، مبحث انتخاب و سازماندهی ویژگی ها، اعمال و پاداش (که در همه بازی ها وجود دارد) در ترکیب با متد یادگیری مطرح می گردد. عامل یادگیرنده، شروع به آموزش دیدن در مقابل عامل هوشمند دشمن (الگوریتم های برپایه قانون ) می کند و در بخش نتایج نشان خواهیم داد که عامل یادگیرنده برای انتخاب سیاست در بازی، می تواند به نسبت برخی روش های موجود عملکرد بهینه تری را از خود نشان دهد.\r\nدو آزمایش مختلف برای اثبات بهینه بودن روش مطرح شده در این پایان نامه طراحی گردیده است. در آزمایش اول موضوع کارایی عامل یادگیرنده مد نظر است که نشان دهنده توانایی الگوریتم ارائه شده در اجرای بازی بصورت موفق می باشد. آزمایش دوم نیز مقایسه ای بین روش ارائه شده در این پایان نامه و یکی دیگر از روش های رایج در بازی ها، در مواجهه با وضعیت های جدید انجام خواهد داد.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_Q41.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}