Model neuronové sítě s využitím zpětné vazby

Abstract

Díky velkému pokroku ve výkonnosti počítač v posledních letech rozvoj umělé inteligence a zájem o její využívání exponenciálně stoupá. Spousta algoritmů strojového učení byla vymyšlena už v minulém století, ale používaní těchto algoritmů bylo omezeno výkonností počítače·. Jedním z perspektivních a zajímavých algoritmů je algoritmus zpětnovazebního učení, který například dokáže naučit neuronovou síť hrát určité videohry na základě minimální informace, jak ukázal tým DeepMind na příkladě her Atari 2600. Tato práce se zabývá výzkumem současných algoritmů strojového učení, implementací neuronové sítě na základě algoritmu zpětnovazebního učení a aplikace naučeného modelu na jednoduchých videohrách

With great advances in computer performance in recent years the interest and development of artificial intelligence grows exponentially. Contrary to popular belief, a lot of machine learning algorithms were invented in the last century, but application of them was bounded by computers performance. An example of a perspective and interesting algorithms is Reinforcement learning, that can train neural networks to play some video games on the basis of minimal information like was demonstrated by DeepMind team with the example of Atari 2600 games. This paper focuses on researching contemporary algorithms of Machine Learning, implementing a neural network based on Reinforcement Learning and applying a trained model on simple video games