Primjena podržanog učenja kod igara

Sažetak na hrvatskom: Podržano učenje je jedna kategorija strojnog učenja, uz nadzirano i nenadzirano učenje, te je ono najprikladnije za primjenu kod igara. U podržanom učenju, agent promatra svoju okolinu te uči donositi odluke o akcijama koje treba napraviti kako bi maksimizirao nagradu. Proces n...

Full description

Permalink: http://skupni.nsk.hr/Record/fer.KOHA-OAI-FER:51513/Details
Glavni autor: Puhalović, Mateo (-)
Ostali autori: Pribanić, Tomislav (Thesis advisor)
Vrsta građe: Drugo
Impresum: Zagreb, M. Puhalović, 2019.
Predmet:
LEADER 02594na a2200229 4500
003 HR-ZaFER
008 160221s2019 ci ||||| m||| 00| 0 hr d
035 |a (HR-ZaFER)ferid7356 
040 |a HR-ZaFER  |b hrv  |c HR-ZaFER  |e ppiak 
100 1 |a Puhalović, Mateo  |9 40801 
245 1 0 |a Primjena podržanog učenja kod igara :  |b završni rad /  |c Mateo Puhalović ; [mentor Tomislav Pribanić]. 
246 1 |a Reinforcement Learning Applied to Games  |i Naslov na engleskom:  
260 |a Zagreb,  |b M. Puhalović,  |c 2019. 
300 |a 35 str. ;  |c 30 cm +  |e CD-ROM 
502 |b preddiplomski studij  |c Fakultet elektrotehnike i računarstva u Zagrebu  |g smjer: Računarska znanost, šifra smjera: 41, datum predaje: 2019-06-14, datum završetka: 2019-09-04 
520 3 |a Sažetak na hrvatskom: Podržano učenje je jedna kategorija strojnog učenja, uz nadzirano i nenadzirano učenje, te je ono najprikladnije za primjenu kod igara. U podržanom učenju, agent promatra svoju okolinu te uči donositi odluke o akcijama koje treba napraviti kako bi maksimizirao nagradu. Proces na kojem je bazirano podržano učenje naziva se Markovljev proces odlučivanja. U ovom radu korištena je metoda dubokog Q učenja koja kombinira duboko učenje te Q učenje tako da neuronska mreža zamjenjuje Q tablicu. U ovom radu principi podržanog učenja metodom dubokog Q učenja prikazani su na primjeru agenta koji uči igrati igricu „Snake“. Za izradu neuronske mreže korištena je biblioteka Keras. 
520 3 |a Sažetak na engleskom: Reinforcement learning is a category of machine learning, along with supervised and unsupervised learning and it is most suitable for application in games. In reinforcement learning, agent observeres it's environment and learns to make decisions about taking actions to maximize it's reward. Process on which reinforcement learning is based is called Markov Decision Process. Method used in this paper is deep Q learning which combines deep learning and Q learning by replacing Q table with neural network. In this paper, principles of reinforcement learning with deep Q learning method is demonstrated on agent that learns to play game Snake. Library that is used for making neural networks is Keras. 
653 1 |a Umjetna inteligencija, strojno učenje, podržano učenje, Q učenje, duboko učenje, Markovljev proces odlučivanja, neuronske mreže, Keras 
653 1 |a Artificial inteligence, machine learning, reinforcement learning, Q learning, deep learning, Markov Decision Process, neural networks, Keras 
700 1 |a Pribanić, Tomislav  |4 ths  |9 19047 
942 |c Z 
999 |c 51513  |d 51513