{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "Q64",
        "title": "اکتساب مهارت در یادگیری تقویتی رباتیک توسط عاملهای خودمختار",
        "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": "1394",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "Q64",
        "title": "اکتساب مهارت در یادگیری تقویتی رباتیک توسط عاملهای خودمختار",
        "degree": null,
        "faculty": "مهندسی کامپیوتر ",
        "year": 1394,
        "authors": [
            {
                "name": "فاطمه تلگردی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "Ali Pouyan",
                "role": "استاد راهنما"
            },
            {
                "name": "علیرضا خلیلیان",
                "role": "استاد مشاور"
            },
            {
                "name": "سعید شیری",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "یادگیری تقویتی",
            "یادگیری کیو",
            "یادگیری کیفی",
            "تحلیل گراف",
            "انتزاع"
        ],
        "abstract": "یادگیری تقویتی یکی از حوزه های یادگیری ماشین است که هدف آن بهبود رفتار عامل بر اساس سیگنال‌های تقویتی است که از محیط دریافت می‌کند. مشکل اینجاست که در بسیاری از کاربردهای واقعی، پاداش محیط با تاخیر بسیار زیادی به عامل داده می‌شود. در نتیجه، عامل برای رسیدن به رفتار بهینه نیازمند صرف زمان بسیار است. راه‌کارهای مختلفی همچون شکل‌دهی پاداش تاکنون برای غلبه بر این مشکل پیشنهاد شده است. اما هیچ‌کدام نتوانستند تأثیر به‌سزایی در افزایش سرعت یادگیری، به‌خصوص در محیط‌های بزرگ و واقعی داشته باشند. \r\nمشکل دیگر این است که تا زمانی که عامل به یک سطح قابل قبول از یادگیری برسد، تمام حرکات آن تصادفی خواهد بود. ضمناً با پیچیده‌تر شدن محیط، تعداد وضعیت‌های مورد اکتشاف و پارامترهای تصمیم‌گیری افزایش پیدا می‌کند. تمامی این مسائل، اکتشاف را رویکردی زمان‌بر، با هزینه بسیار بالا و گاهی بسیار پرخطر کرده است. یک راه‌کار مورد پژوهش محققان در این حوزه، یادگیری کیفی است. \r\nدر این پایان نامه، چارچوبی کلی برای یادگیری کیفی ارائه می‌شود و خصوصیات و اجزا آن معرفی می‌گردد. این چارچوب بر اساس یادگیری کیفی و تخمین پاداش ساختگی می باشد تا از فواید هر دو روش استفاده کند. چارچوب پیشنهادی آن‌چنان است که قابل تنظیم و انطباق با الگوریتم‌های مختلف، محیط‌های گسسته و پیوسته، ناوبری و غیر ناوبری باشد. سپس از چارچوب پیشنهادی یک نمونه ساخته شده، و روی محیط های محک ارزیابی گردیده است. آزمایش‌های صورت گرفته، مؤثر بودن چارچوب پیشنهادی را در تسریع رسیدن به سیاست بهینه نشان می‌دهد.",
        "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_Q64.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"
    }
}