Hraní nedeterministických her s učením

Práce se věnuje studiu a implementaci metod použitých pro učení z průběhu hraní. Zvolenou hrou pro tuhle práci jsou Vrhcáby. Algoritmus použitý pro učení neuronové sítě se nazývá učení z časového rozdílu s použitím stop vhodnosti. Tento algoritmus je známý i pod jménem TD(lambda). V teoretické části práce jsou popsány algoritmy pro hraní her bez učení, úvod do posilovaného učení, učení z časových rozdílů a úvod do umělých úvod neuronových sítí. Praktická část se zabývá aplikováním kombinace neuronových sítí a TD(lambda) algoritmů.

Grantor dc:publisher

Vysoké učení technické v Brně. Fakulta informačních technologií

Author dc:creator

• Bukovský, Marek

Advisor dc:contributor.advisor

• Zbořil, František

• Vrhcáby
• nedeterministické hry
• umělé neurónové sítě
• posilované učení
• učení z časového rozdílu
• hraní her s učením
• Backgammon
• nondeterministic games
• artificial neural network
• reinforcement learning
• temporal difference learning
• playing games with learning

Statement dc:rights

• Standardní licenční smlouva - přístup k plnému textu bez omezení

Language dc:language.iso

cs

Dc Identifier Other

42477

OAI identifier oai:identifier

oai:dspace.vut.cz:11012/54193