Zastosowanie Q-Uczenia opartego o sieci neuronowe do uczenia agenta gry w SuperMario

dc.contributor.author	Boguszewski, Cezary
dc.date.accessioned	2023-01-26T09:34:01Z
dc.date.available	2023-01-26T09:34:01Z
dc.date.issued	2023-01-26
dc.identifier.issn	2022/I/F/19
dc.identifier.uri	https://repin.pjwstk.edu.pl/xmlui/handle/186319/2331
dc.description.abstract	Poniższa praca dyplomowa ma na celu prezentację projektu dotyczącego użycia Q-uczenia do nauki agenta gry w Super Mario World SNES przejęcia poziomu. Początek pracy dotyczy wiedzy teoretycznej przedstawiającej zagadnienia z tematów o uczeniu maszynowym, sieciach neuronowych, metodach nauki programu przejęcia gry. Następnie artykuł prezentuje rezultaty powstałe podczas pracy nad projektem dotyczącym zagadnień środowiska emulującego grę, metodyki uczenia gry, struktury zbudowanego modelu sieci neuronowej, działanie skryptu zdolnego do przejęcia gry Mario w języku programowania Python, korzystającego z bibliotek ogólnodostępnych.	pl_PL
dc.language.iso	other	pl_PL
dc.relation.ispartofseries	;Nr 7073
dc.subject	Sieci Neuronowe	pl_PL
dc.subject	Uczenie Maszynowe	pl_PL
dc.subject	Uczenie przez wzmacnianie	pl_PL
dc.subject	Q-uczenie głębokie	pl_PL
dc.subject	Konwolucyjne sieci neuronowe	pl_PL
dc.subject	Wyszukiwanie strategii	pl_PL
dc.subject	Boty do gier	pl_PL
dc.subject	Q-sieć głęboka	pl_PL
dc.title	Zastosowanie Q-Uczenia opartego o sieci neuronowe do uczenia agenta gry w SuperMario	pl_PL
dc.title.alternative	Application of Q-learning based on neural networks for teaching agent game Mario	pl_PL
dc.type	Thesis	pl_PL