Globoko okrepitveno učenje za igranje iger na podlagi video vhodaBozhinova, Monika (Avtor) Strnad, Damjan (Mentor) globoko okrepitveno učenjenevronske mrežegloboka Q-mrežadvobojevalna arhitekturaigre AtariPongBeamriderV magistrskem delu smo se ukvarjali z okrepitvenim učenjem agentov za igranje računalniških iger. V ta namen smo implementirali tri modele agenta, ki temeljijo na uporabi nevronske mreže za aproksimacijo funkcije vrednosti akcij, in predlagali lastno izboljšano arhitekturo dvobojevalne dvojne Q-mreže. Učenje smo izvajali na igrah Pong in Beamrider iz nabora iger Atari 2600. Ugotovili smo, da z našim pristopom dosežemo boljšo zmogljivost agenta kot globoka Q-mreža, dvojna globoka Q-mreža in dvojna globoka Q-mreža z dvobojevalno arhitekturo v igri Pong, medtem ko se v igri Beamrider agent uči počasneje, predvidoma zaradi šuma v drugačni predstavitvi stanja, ki ga predlagani model uporablja.M. Bozhinova]20212021-09-28 00:37:32Magistrsko delo/naloga80671sl