prikaz prve stranice dokumenta Osnove podržanog učenja
  Preuzmi
PDF 1.31 MB
diplomski rad
Osnove podržanog učenja
Split: Sveučilište u Splitu, Prirodoslovno-matematički fakultet, 2022. urn:nbn:hr:166:303398
Ozretić, Petar
Sveučilište u Splitu
Prirodoslovno-matematički fakultet
Odjel za matematiku

Institucijski repozitorij: repozitorij.pmfst.unist.hr

Citirajte ovaj rad

Ozretić, P. (2022). Osnove podržanog učenja (Diplomski rad). Split: Sveučilište u Splitu, Prirodoslovno-matematički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:166:303398

Ozretić, Petar. "Osnove podržanog učenja." Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, 2022. https://urn.nsk.hr/urn:nbn:hr:166:303398

Ozretić, Petar. "Osnove podržanog učenja." Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, 2022. https://urn.nsk.hr/urn:nbn:hr:166:303398

Ozretić, P. (2022). 'Osnove podržanog učenja', Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, citirano: 21.12.2024., https://urn.nsk.hr/urn:nbn:hr:166:303398

Ozretić P. Osnove podržanog učenja [Diplomski rad]. Split: Sveučilište u Splitu, Prirodoslovno-matematički fakultet; 2022 [pristupljeno 21.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:166:303398

P. Ozretić, "Osnove podržanog učenja", Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, Split, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:166:303398

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:166:303398
Podaci o radu
NaslovOsnove podržanog učenja
Naslov (engleski)Basics of reinforcement learning
AutorPetar Ozretić
MentorSaša Mladenović (mentor)
Član povjerenstvaSaša Mladenović (predsjednik povjerenstva)
Član povjerenstvaAna Perišić (član povjerenstva)
Član povjerenstvaVesna Gotovac Đogaš (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Splitu
Prirodoslovno-matematički fakultet
(Odjel za matematiku)
Split
Datum i država obrane2022-09-21, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Znanstveno / umjetničko
područje, polje i grana		PRIRODNE ZNANOSTI
Matematika
Sažetak
Ovaj se rad bavi osnovama podržanog učenja iznoseći sve poznate metode korištene u PU poput Bellmanovih jednadžbi, Dinamičkog programiranja, teorema poboljšanja strategije,Monte-Carlo učenja, učenja s vremenskom razlikom itd. Osnovni problem je bio nalaženje optimalne strategije uz pomoć optimalne vrijednosne funkcije, i to u okolini bez modela. Kombinacijom navedenih metoda, posebno MC iteracije strategija, napisan je kod koji je uspješno nalazio optimalne strategije na primjeru igre Blackjack.
Sažetak (engleski)
This paper deals with the basics of reinforcement learning, presenting all known methods used in PU such as Bellman equations, Dynamic programming, strategy improvement theorem, MC learning, temporal difference learning, etc. The basic problem was finding an optimal strategy that converges to an optimal value function, and in a model-free environment. By combining the above methods, especially MC strategy iteration, a code was written that successfully found optimal strategies on the example of the Blackjack game.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:166:303398
Studijski programNaziv: Matematika; smjerovi: teorijski, računarski, nastavnički, statistika i računarstvo
Smjer: računarski
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra matematike (mag. math.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2022-11-24 10:04:43