Podržano učenje u igri Zmija

završni rad

• Naslov (engleski): Reinforcement Learning for Snake Game
• Autor: Rikard Orlić
• Mentor: Vladimir Čeperić (mentor)
• Član povjerenstva: Vladimir Čeperić (predsjednik povjerenstva)
• Član povjerenstva: Marko Barišić (član povjerenstva)
• Član povjerenstva: Franjo Matković (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2021-07-06, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

U ovom radu se opisuju osnove podržanog učenja te upotrebe podržanog učenja u igrama. Radi se i osvrt na dešavanja u svijetu podržanog učenja danas. Nakon toga se opisuje sustav igrice Zmija te način implementacije rješenja(točnije implementacija Deep Q-learninga) i za kraj se prikažu rezultati dobiveni treniranjem te potencijalna poboljšanja.

Sažetak (engleski)

This paper goes over the basics of reinforcement learning and its use in video games. It also takes a look at what is going on in the world of reinforcement learning today. After that it explains the dynamics of the Snake Game and goes into how the Deep Q-learning algorithm was used to teach an agent. At the end some results of training are shown and some potential upgrades are mentioned.

• Ključne riječi: Podržano učenje; Duboko Q-Učenje; Igra Zmija
• Ključne riječi (engleski): Reinforcement Learning; Deep-Q Learning; Snake Game
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:073310
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-14 09:36:37