Kombinatoriální řešiče v hlubokém zpětnovazebním učení
Combinatorial Solvers in Deep Reinforcement Learning
Typ dokumentu
bakalářská prácebachelor thesis
Autor
Richard Hájek
Vedoucí práce
Škoviera Radoslav
Oponent práce
Surynek Pavel
Studijní obor
Znalostní inženýrstvíStudijní program
Informatika 2009Instituce přidělující hodnost
katedra aplikované matematikyPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Tato bakalárska práce měří účinost alternatiního modelování logických vztahů mezi daty v rámci zpětnovazebního učení. Pomocí SATNetu, který dokáže tyto vztahy aproximovat, bylo v bakalářské práci nalezeno, že agenti s SAT solverem v rámci zpětnovazebního učení podávají podobné výsledky jako agenti bez něho. This bachelor's thesis measures the efficiency of alternative methods of modeling logical relationships between data in deep reinforcement learning. Leveraging SATNet, which can approximate these relationships, this bachelor's thesis has found that agents with a SAT solver are comparative in their results to their counterparts without the SAT solver.
Kolekce
- Bakalářské práce - 18105 [295]