prikaz prve stranice dokumenta Usporedbe algoritama strojnog učenja na problemu dvonožnoga hoda
Pristup svim korisnicima iz sustava znanosti i visokog obrazovanja RH
završni rad
Usporedbe algoritama strojnog učenja na problemu dvonožnoga hoda
Split: Sveučilište u Splitu, Prirodoslovno-matematički fakultet, 2020. urn:nbn:hr:166:494514
Galov, Antonio
Sveučilište u Splitu
Prirodoslovno-matematički fakultet
Odjel za informatiku

Institucijski repozitorij: repozitorij.pmfst.unist.hr

Citirajte ovaj rad

Galov, A. (2020). Usporedbe algoritama strojnog učenja na problemu dvonožnoga hoda (Završni rad). Split: Sveučilište u Splitu, Prirodoslovno-matematički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:166:494514

Galov, Antonio. "Usporedbe algoritama strojnog učenja na problemu dvonožnoga hoda." Završni rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, 2020. https://urn.nsk.hr/urn:nbn:hr:166:494514

Galov, Antonio. "Usporedbe algoritama strojnog učenja na problemu dvonožnoga hoda." Završni rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, 2020. https://urn.nsk.hr/urn:nbn:hr:166:494514

Galov, A. (2020). 'Usporedbe algoritama strojnog učenja na problemu dvonožnoga hoda', Završni rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, citirano: 12.06.2024., https://urn.nsk.hr/urn:nbn:hr:166:494514

Galov A. Usporedbe algoritama strojnog učenja na problemu dvonožnoga hoda [Završni rad]. Split: Sveučilište u Splitu, Prirodoslovno-matematički fakultet; 2020 [pristupljeno 12.06.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:166:494514

A. Galov, "Usporedbe algoritama strojnog učenja na problemu dvonožnoga hoda", Završni rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, Split, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:166:494514

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:166:494514
Podaci o radu
NaslovUsporedbe algoritama strojnog učenja na problemu dvonožnoga hoda
Naslov (engleski)Comparison of machine learning algorithms for bipedal gait training
AutorAntonio Galov
MentorGoran Zaharija (mentor)
Član povjerenstvaGoran Zaharija (predsjednik povjerenstva)
Član povjerenstvaSaša Mladenović (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 obrane2020-09-29, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Ovaj preddiplomski rad proučava strojno učenje sa fokusom na poduprto učenje i pravi usporedbu tri algoritma (DQN, NEAT i Evostra) na problemu dvonožnoga hoda u Pythonu. Prvo poglavlje priča uvodno o umjetnoj inteligenciji, našem problemu, primjeni u stvarnom životu te cilju završnog rada. Drugo poglavlje priča o strojnom učenju i njegovim vrstama, te detaljno o poduprtom učenju i primjerima njega. Treće poglavlje priča o okolini koju koristimo te o praktičnoj primjeni to jest o svakom od naša tri algoritma objašnjava što su i kako funkcioniraju te kako su implementirani u našem slučaju. Četvrto poglavlje iznosi rezultate testiranja i raspravlja ih. Peto poglavlje daje zaključak usporedbe, razmatra je li poduprto učenje dobro za problem, te govori o tome kako bi algoritmi mogli biti unaprijeđeni.
Sažetak (engleski)
Thesis studies machine learning with focus on reinforcement learning and compares 3 algorithms (DQN, NEAT and Evostra) on the problem of bipedal gait training in Python. First chapter speaks about Artificial Intelligence, given problem, its use in real life, and goal of the thesis. Second chapter goes a bit deeper into machine learning and its types and goes into details about reinforcement learning and examples of it. Third chapter explains te environment we used, and explain what out algorithms are and how they function and lastly how we implemented them. Fourth chapter states results of the testing for all three algorithms and discusses them. Fifth chapter gives a final conclusion of the comparison, discusses if reinforcement learning is the best for given problem, and also argues if the algorithms can be upgraded.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:166:494514
Studijski programNaziv: Fizika i informatika
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) fizike i informatike (univ. bacc. phys. et inf.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup svim korisnicima iz sustava znanosti i visokog obrazovanja RH
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2021-01-14 10:12:33