Wykorzystanie głębokiego Q uczenia przez wzmacnianie w środowisku Atari

Repozytorium PJATK
→
Wydział Informatyki / Faculty of Information Technology
→
Praca inżynierska - Katedra Mechaniki, Informatyki i Robotyki - Robotyka 2022
→
Zobacz pozycję

dc.contributor.author	Sęk, Gabriel
dc.date.accessioned	2023-01-26T12:01:02Z
dc.date.available	2023-01-26T12:01:02Z
dc.date.issued	2023-01-26
dc.identifier.issn	2022/I/F/13
dc.identifier.uri	https://repin.pjwstk.edu.pl/xmlui/handle/186319/2337
dc.description.abstract	Poniższa praca dyplomowa ma na celu prezentację projektu dotyczącego użycia głębokiego Q-uczenia przez wzmacnianie do nauki agenta przechodzenia gier Atari. Początek pracy dotyczy wiedzy teoretycznej przedstawiającej zagadnienia z tematów o uczeniu maszynowym, sieciach neuronowych, uczeniu ze wzmocnieniem, sposobów nauki agenta przechodzenia gier . Następnie artykuł prezentuje rezultaty powstałe podczas pracy nad projektem dotyczącym zagadnień: środowiska emulującego gry na konsolę Atari, działanie skryptu zdolnego do przechodzenia gier Atari w języku programowania Python, korzystającego z bibliotek ogólnodostępnych.	pl_PL
dc.language.iso	other	pl_PL
dc.relation.ispartofseries	;Nr 6999
dc.subject	Perceptron	pl_PL
dc.subject	Neural Networks	pl_PL
dc.subject	Machine Learning	pl_PL
dc.subject	Reinforcement Learning	pl_PL
dc.subject	Deep-Q learning	pl_PL
dc.subject	Q-learning	pl_PL
dc.subject	Q-deep network	pl_PL
dc.subject	Convolutional Neural Networks	pl_PL
dc.subject	Strategy Search	pl_PL
dc.subject	Game Bots	pl_PL
dc.subject	Computer vision	pl_PL
dc.subject	Markov decision processes	pl_PL
dc.subject	Bellman's equation	pl_PL
dc.subject	Deep learning	pl_PL
dc.subject	Atari	pl_PL
dc.subject	OpenAi Gym	pl_PL
dc.title	Wykorzystanie głębokiego Q uczenia przez wzmacnianie w środowisku Atari	pl_PL
dc.title.alternative	Application of Double Deep Q Learning in Atari environment	pl_PL
dc.type	Thesis	pl_PL