prikaz prve stranice dokumenta Sustav za igranje računalnih igara temeljen na dubokom podržanom učenju
Rad nije dostupan
diplomski rad
Sustav za igranje računalnih igara temeljen na dubokom podržanom učenju
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. urn:nbn:hr:168:212462
Mrzljak, Nikola
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Mrzljak, N. (2018). Sustav za igranje računalnih igara temeljen na dubokom podržanom učenju (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:212462

Mrzljak, Nikola. "Sustav za igranje računalnih igara temeljen na dubokom podržanom učenju." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. https://urn.nsk.hr/urn:nbn:hr:168:212462

Mrzljak, Nikola. "Sustav za igranje računalnih igara temeljen na dubokom podržanom učenju." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. https://urn.nsk.hr/urn:nbn:hr:168:212462

Mrzljak, N. (2018). 'Sustav za igranje računalnih igara temeljen na dubokom podržanom učenju', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 25.08.2024., https://urn.nsk.hr/urn:nbn:hr:168:212462

Mrzljak N. Sustav za igranje računalnih igara temeljen na dubokom podržanom učenju [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2018 [pristupljeno 25.08.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:212462

N. Mrzljak, "Sustav za igranje računalnih igara temeljen na dubokom podržanom učenju", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2018. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:212462

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:212462
Podaci o radu
NaslovSustav za igranje računalnih igara temeljen na dubokom podržanom učenju
Naslov (engleski)Computer Game Playing System Based on Deep Reinforcement Learning
AutorNikola Mrzljak
MentorTomislav Hrkać (mentor)
Član povjerenstvaTomislav Hrkać (predsjednik povjerenstva)
Član povjerenstvaZoran Kalafatić (član povjerenstva)
Član povjerenstvaStjepan Groš (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2018-07-11, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
U ovom radu objašnjena su teorijska načela potrebna za shvaćanje osnovne problematike dubokog podržanog učenja i izučavani su različiti algoritmi kojima je moguće riješiti problem dubokog podržanog učenja s primjenom na video igre. Algoritmi koji su obrađeni u okviru rada su: duboka Q mreža, dvostruka duboka Q mreža, suparnička dvostruka duboka Q mreža te asinkroni prednosni akter-kritičar. U okviru rada su implementirani svi obrađeni algoritmi, provedena su mjerenja nad njima na temelju igre Atari Breakout i uspoređeni su rezultati mjerenja. Rezultati mjerenja pokazuju da je asinkroni prednosni akter-kritičar algoritam koji nudi najbolje performanse s obzirom na vremenske i sklopovske resurse koji su potrebni pri rješavanju problema dubokog podržanog učenja.
Sažetak (engleski)
This thesis lays out theoretical principles that are needed in order to understand the problem of deep reinforcement learning and studies various algorithms that can solve the problem of deep reinforcement learning with application to video games. Algorithms that are covered in this thesis are: Deep Q Network, Double Deep Q Network, Dueling Double Deep Q Network and asynchronous advantage actor-critic. Aforementioned algorithms were implemented within this thesis, measurements were taken with respect to the Atari Breakout video game and the measurement results were compared. Results show that asynchronous advantage actor-critic algorithm shows the best performance with respect to time and hardware resources that are needed for solving deep reinforcement learning task.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:212462
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2019-03-13 23:17:46