<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://dk.um.si/IzpisGradiva.php?id=78061"><dc:title>Strojno učenje računalniškega igralca v igri Havannah</dc:title><dc:creator>Serec,	Nino	(Avtor)
	</dc:creator><dc:creator>Strnad,	Damjan	(Mentor)
	</dc:creator><dc:subject>igra Havannah</dc:subject><dc:subject>drevesno preiskovanje Monte Carlo</dc:subject><dc:subject>nevronske mreže</dc:subject><dc:subject>okrepitveno učenje</dc:subject><dc:subject>tabula rasa</dc:subject><dc:description>V zadnjih letih je bil na področju umetne inteligence z uporabo okrepitvenega učenja nevronskih mrež dosežen preboj pri sposobnostih računalnika za igranje iger na deski, kot je Go, pri katerih je bil človek doslej močnejši nasprotnik. V diplomskem delu raziščemo algoritem igranja iger AlphaZero, ki kombinira tehnike preiskovanja dreves Monte Carlo in okrepitvenega učenja nevronskih mrež. Algoritem začne brez posebnega predznanja o dobrih strategijah, vendar se moč algoritma s postopkom učenja, ki se ponavlja iterativno, konstantno povečuje. 
V diplomskem delu opišemo in implementiramo osnovno obliko AlphaZero za igranje igre Havannah. Naučimo več različic modela nevronskih mrež, kjer vsak naslednik premaga svojega prednika in postane prvak. S tem pokažemo, da se lahko računalniški igralec uči igranja igre Havannah samo s podanimi pravili igre, tako da je sposoben premagati povprečnega človeškega igralca.</dc:description><dc:publisher>[N. Serec]</dc:publisher><dc:date>2020</dc:date><dc:date>2020-10-14 09:01:38</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>78061</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>