Implementacija i validacija algoritma za poticano strojno učenje

završni rad

• Naslov (engleski): Implementation and Validation of Reinforcement Learning Algorithms
• Autor: Bruno Mikan
• Mentor: Damir Pintar (mentor)
• Član povjerenstva: Damir Pintar (predsjednik povjerenstva)
• Član povjerenstva: Luka Humski (član povjerenstva)
• Član povjerenstva: Ana Šarčević (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2024-07-01, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Poticano učenje postaje sve važnija grana umjetne inteligencije te se koristi za rješavanje sve složenijih problema. Matematička osnova poticanog
učenja formalno je opisana konačnim Markovljevim procesima odlučivanja te smjerova za daljnji razvoj i istraživanja ima puno. U ovom radu
dan je pregled osnove teorijske podloge poticanog učenja, implementirana je vlastita okolina s konačnim i diskretnim skupom stanja i akcija
na kojoj se može trenirati agent poticanog učenja. Također, opisana je vlastita implementacija algoritma Q-učenja te je uspješno provedena usporedba
s kontrolnim agentom i već gotovim agentom. Usporedbom je dokazana uspješnost implementacije algoritma Q-učenja na problemu igre platforme i loptice. Konačno,
dan je pregled mogućih smjerova daljnjeg razvoja okoline.

Sažetak (engleski)

Reinforcement learning is becoming an increasingly important branch of artificial intelligence and is used to solve increasingly complex problems.
The mathematical basis of reinforcement learning is formally described by the finite Markov decision process, and there are many directions for
further development and research. In this work, an overview of the theoretical basis of supported learning is given. Also, an own environment
with a finite and discrete state set and action set is implemented on which a reinforcement learning agent can be trained. Also, the implementation
of the Q-learning algorithm was described, and a comparison was successfully carried out with a control agent and an already finished agent.
The comparison proved the success of the implementation of the Q-learning algorithm on the platform and ball game problem. Finally, an overview of some
possible directions for further development of the environment is given.

• Ključne riječi: Poticano učenje; Umjetna inteligencija; Markovljev proces odlučivanja; Q-učenje; Okolina; Agent
• Ključne riječi (engleski): Reinforcement learning; Artificial intelligence; Markov decision process; Q-learning; Environment; Agent
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:474217
• 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: 2024-10-12 21:35:01