• فهرست شکل‌ها (6)
• فهرست جدول‌ها (8)
• مقدمه (11)
  • تعریف مساله (12)
  • اهمیت (14)
  • کاربرد (15)
  • چالش‌ها (16)
  • معیارهای ارزیابی (18)
  • نوآوری‌های این پژوهش (18)
  • جمع‌بندی و ساختار پایان‌نامه (19)
• مفاهیم اولیه (21)
  • یادگیری تقویتی (21)
  • اجزاء مسئله یادگیری تقویتی (22)
    • سیگنال امتیاز (22)
    • عامل و محیط (22)
    • حالات و تاریخچه (24)
  • بهره‌برداری و جست‌وجو (26)
  • روش‌های پاسخ به مسائل یادگیری تقویتی (26)
    • روش تکرارشونده ارزش (27)
    • روش تکرارشونده سیاستی (27)
  • تقریب توابع (30)
  • شبکه‌های عصبی عمیق (30)
    • انواع شبکه‌های عمیق (32)
  • جمع‌بندی (34)
• روش‌های پیشین (35)
  • راهکارهای پیشین استفاده از شبکه‌های عصبی در یادگیری تقویتی (35)
  • روش‌های پیشین پیش‌بینی تصویر (45)
  • استفاده از روش‌های مبتنی بر پیش‌بینی تصویر در یادگیری تقویتی (50)
  • جمع‌بندی (51)
• راهکار پیشنهادی (53)
  • محیط و دادگان مورد استفاده (54)
  • پیش آموزش شبکه DQN (55)
  • عامل آینده‌نگر (57)
    • شبکه پیش‌بینی تصویر (59)
    • شبکه تخمین امتیاز (61)
    • شبکه بدون مدل (65)
    • شبکه عامل آینده‌نگر (66)
  • جمع‌بندی (67)
• آزمایش‌ها (69)
  • مجموعه‌دادگان (69)
    • شبیه‌ساز (69)
    • openAI Gym (71)
    • بازی Freeway (71)
    • بازی Breakout (72)
    • دادگان تهیه شده از بازی‌ها (72)
  • معیار ارزیابی (73)
    • معیار ارزیابی مورد استفاده در عامل‌ها (73)
    • معیار ارزیابی مورد استفاده در شبکه پیش‌بینی امتیاز (74)
  • نتایج اعمال روش پیشنهادی (74)
    • روش پیش آموزش شبکه DQN (75)
    • نتایج آموزش شبکه پیش‌بینی تصویر (77)
    • نتایج آموزش شبکه پیش‌بینی امتیاز (79)
    • شبکه دسته‌بند (80)
    • شبکه برچسب گذار امتیاز (80)
  • تحلیل نتایج (84)
  • جمع‌بندی (85)
• جمع‌بندی و کارهای آتی (86)
  • جمع‌بندی (86)
  • کارهای آتی (86)
    • بهبود عملکرد جست‌وجوی عامل (86)
    • تولید داده و کمتر نمودن نیاز به تعامل با محیط (87)
    • استفاده از ویژگی‌های دیگر بازی (87)
    • پیش‌بینی بازنمایی تصویر (87)
    • عمومیت عامل (88)
    • استفاده از روش‌های برنامه‌ریزی (88)
• مراجع (88)