Bakalářská práce

Hluboké učení v počítačových hrách

Deep learning in computer games

Adam Šufliarsky
Anotace

Práca ozrejmuje problematiku hlbokého učenia v počítačových hrách. Predstavuje často používané nástroje v tejto oblasti a popisuje niekoľko už existujúcich riešení. V rámci práce je navrhnutý framework, v ktorom je následne implementovaných niekoľko algoritmov hlbokého učenia, na ktorých sú demonštrované základné postupy a princípy danej oblasti. Práca taktiež experimentálne vyhodnocuje efektívnosť vybraných učiacich algoritmov pri tréningu v rôznych prostrediach (prevažne hrách Atari 2600).

Abstract

This thesis clarifies deep learning in computer games. It presents frequently used tools in this field and describes several already existing solutions. A framework is designed in which several learning algorithms are subsequently implemented, where basic procedures and principles of given field are demonstrated. Additionally, the thesis presents experimentally evaluated efficiency of selected learning algorithms during the training in various environments (mainly Atari 2600 games).

Klíčová slova
umelá inteligencia deep learning Game AI strojové učenie počítačové hry
Zadání práce
Hluboké učení se v dnešní době prosazuje v řadě oblastí, v nichž je nutné zpracovávat velké množství dat. Jednou z takových oblastí je umělá inteligence v počítačových hrách, která musí umět reagovat na velké množství komplexních podnětů, vytvářet netriviální plány v delším časovém horizontu apod. Jádrem práce by měl být přehled aktuálního stavu problematiky hlubokého učení v oblasti návrhu efektivních strategií pro hraní počítačových her. Nedílnou součástí práce by měla být implementace několika učících algoritmů pro vybrané hry z OpenAi Gym a jejich experimentální vyhodnocení vzhledem k existujícím řešením.
Administrativní informace
Práce zkontrolována:
23. 12. 2019 11:22, doc. RNDr. Tomáš Brázdil, Ph.D., MBA, učo 4074
Plný text práce
1 MB / soubor PDF
Přílohy (2)
Jazyk práce
slovenština slovenština
Termín obhajoby
12. 2. 2020
Práce byla úspěšně obhájena

Vedoucí

doc. RNDr. Tomáš Brázdil, Ph.D., MBA, učo 4074
KSUZD FI MU

Oponent

doc. RNDr. Petr Novotný, Ph.D., učo 172743
KTP FI MU

Literatura

  • SUTTON, Richard S. a Andrew G. BARTO. Reinforcement learning : an introduction. Cambridge: Bradford Book, 1998, xviii, 322. ISBN 0262193981.
  • GOODFELLOW, Ian; Yoshua BENGIO a Aaron COURVILLE. Deep Learning. MIT Press, 2016.
Citovat tuto práci
Masarykova univerzita Fakulta informatiky
Studijní program
Aplikovaná informatika
Obor

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.