prikaz prve stranice dokumenta Algoritmi poduprtog učenja i dilema istraživanja i iskorištavanja
Pristup korisnicima matične ustanove
diplomski rad
Algoritmi poduprtog učenja i dilema istraživanja i iskorištavanja
Split: Sveučilište u Splitu, Prirodoslovno-matematički fakultet, 2020. urn:nbn:hr:166:047345
Šušić, Igor
Sveučilište u Splitu
Prirodoslovno-matematički fakultet
Odjel za informatiku

Institucijski repozitorij: repozitorij.pmfst.unist.hr

Citirajte ovaj rad

Šušić, I. (2020). Algoritmi poduprtog učenja i dilema istraživanja i iskorištavanja (Diplomski rad). Split: Sveučilište u Splitu, Prirodoslovno-matematički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:166:047345

Šušić, Igor. "Algoritmi poduprtog učenja i dilema istraživanja i iskorištavanja." Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, 2020. https://urn.nsk.hr/urn:nbn:hr:166:047345

Šušić, Igor. "Algoritmi poduprtog učenja i dilema istraživanja i iskorištavanja." Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, 2020. https://urn.nsk.hr/urn:nbn:hr:166:047345

Šušić, I. (2020). 'Algoritmi poduprtog učenja i dilema istraživanja i iskorištavanja', Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, citirano: 30.11.2024., https://urn.nsk.hr/urn:nbn:hr:166:047345

Šušić I. Algoritmi poduprtog učenja i dilema istraživanja i iskorištavanja [Diplomski rad]. Split: Sveučilište u Splitu, Prirodoslovno-matematički fakultet; 2020 [pristupljeno 30.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:166:047345

I. Šušić, "Algoritmi poduprtog učenja i dilema istraživanja i iskorištavanja", Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, Split, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:166:047345

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:166:047345
Podaci o radu
NaslovAlgoritmi poduprtog učenja i dilema istraživanja i iskorištavanja
Naslov (engleski)Reinforcement learning algorithms and exploration exploitation dilemma
AutorIgor Šušić
MentorSaša Mladenović (mentor)
Član povjerenstvaSaša Mladenović (predsjednik povjerenstva)
Član povjerenstvaGoran Zaharija (član povjerenstva)
Član povjerenstvaDivna Krpan (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Splitu
Prirodoslovno-matematički fakultet
(Odjel za informatiku)
Split
Datum i država obrane2020-09-17, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Ovaj rad nudi pregled poduprtog učenja, ideja i algoritama na kojima se područje temelji. Kroz primjere polazi se od formalizacije problema koristeći Markovljeve procese odluke sve do Q-učenja. Promatra dilemu istraživanja i iskorištavanja, daje poveznicu s ponašanjem živih bića. Analizira te uspoređuje uspjeh različitih politika ponašanja kao rješenja dileme, točnije uspoređuje pohlepni epsilon, softmax i gornju granicu intervala pouzdanosti nad jednostavnim labirintom. Softmax je jedina politika koja u ograničenom broju epizoda konvergira na optimalnu politiku ponašanja za primjer korišten u radu.
Sažetak (engleski)
This work gives an overview of reinforcement learning, ideas, and algorithms that it is based upon. Through examples, it goesfrom formalization using MDP to Q-learning. Observesthe explorationexploitation dilemma and gives a link to the psychology of living creatures. Analyzes and compares multiple policies, such as epsilon greedy, softmax, and upper confidence bound in a use case of a simple maze. In such envirovment with some restraints like finite episode count only softmax converged to the optimal policy.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:166:047345
Studijski programNaziv: Informatika (jednopredmetni); smjerovi: nastavnički
Smjer: nastavnički
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra edukacije informatike (mag. educ. inf.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup korisnicima matične ustanove
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2021-01-13 16:54:19