Hluboké neuronové sítě a algoritmy posilovaného učení pro hraní videoher
Deep Reinforcement Learning for Videogames
Type of document
diplomová prácemaster thesis
Author
Bilík David
Supervisor
Drchal Jan
Opponent
Kordík Pavel
Field of study
Znalostní inženýrstvíStudy program
InformatikaInstitutions assigning rank
katedra teoretické informatikyDefended
2015-06-10Rights
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://www.cvut.cz/sites/default/files/content/d1dc93cd-5894-4521-b799-c7e715d3c59e/cs/20160901-metodicky-pokyn-c-12009-o-dodrzovani-etickych-principu-pri-priprave-vysokoskolskych.pdfVysokoškolská 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://www.cvut.cz/sites/default/files/content/d1dc93cd-5894-4521-b799-c7e715d3c59e/cs/20160901-metodicky-pokyn-c-12009-o-dodrzovani-etickych-principu-pri-priprave-vysokoskolskych.pdf
Metadata
Show full item recordAbstract
Tato práce se zabývá implementací a experimenty s kontrolérem,
který hraje hry konzole Atari 2600.
Nejdříve je jako model kontroléru navržena neuronová síť odhadující Q funkci
her, která je učena algoritmem Neural Fitted Q iteration. Na základě
experimentů se od tohoto modelu přejde k metodě založené na hledání optimální
strategie hry. Na několika hrách je představeno řešení,
které zredukuje obrazový vstup hry pomocí hlubokých sítí a ten předá
rekurentní neuronové síti s LSTM neurony. Tato síť určí hráčovu akci. V závěru
práce je porovnání výsledků s obdobnými pracemi. The main goal of this thesis is to create controller that is able
to play games of Atari 2600 console. At first the algorithm Neural Fitted Q
iteration is proposed as a model of this controller. Based on the experiments
a
model is changed to a policy-search method. The final solution is presented on
several Atari games. The raw picture of game is reduced
using deep networks and is transmitted to a recurrent neural network
with
LSTM neurons. This network decides which action is best to make. In the
conclusion of the thesis is comparison of results with other similar
articles.
Collections
- Diplomové práce - 18101 [216]