|
|
Metody pro hraní hry Liar's Dice s využítím dynamického programování
Lohn, Marek ; Šátek, Václav (oponent) ; Zbořil, František (vedoucí práce)
Tato práce řeší metody hraní hry Liar’s Dice s využitím dynamického programování. Pro přístup k této práci byl zvolen algoritmus posilovaného učení SARSA, který je upravenou verzí algoritmu Q-Learning. Tento algoritmus byl následně porovnáván s již existujícími přístupy takovým způsobem, že byl ponechán hrát proti nim za pomocí aplikace, která byla vytvořena v herním engine Unity. Porovnávání proběhlo konkrétně nad algoritmy Q-Learning a Counterfactual Regret Minimization. Ve výsledku bylo dosaženo úspěšnosti 69,147 % ve hře proti Q-Learning a úspěšnosti pouze 25 % proti algoritmu Counterfactual Regret Minimization. Tato práce poskytuje hlavní přehled o tom, jak upravená verze algoritmu SARSA je velmi efektivní ve hře proti algoritmu Q-Learning. Při hraní proti algoritmu Counterfactual Regret Minimization je algoritmus SARSA ve značné nevýhodě.
|
|
|
Metody pro hraní hry 'Liar's Dice' s využítím dynamického programování
Lohn, Marek ; Šátek, Václav (oponent) ; Zbořil, František (vedoucí práce)
Tato práce se řeší metody hraní hry Liar's Dice s využitím dynamického programování. Jako přístup k této práci jsem si zvolil z posilovaného učení algoritmus SARSA, který je upravenou verzí algoritmu Q-Learning. Tento algoritmus jsem pak porovnával s již existujjícími přístupy tím způsobem že jsem jej nechal proti sobě hrát za pomocí aplikace kterou jsem si vytvořil v Unity. Porovnával jsem konkrétně s algoritmy Q-Learning a Counterfactual Regret Minimization. Podařilo se mi dosáhnou úspěšnosti 69,147\,\% ve hře proti Q-Learning a úspěšnosti pouze 29,84\,\% proti algoritmu Counterfactual Regret Minimization. Hlavním zjištěním této práce je, že upravená verze SARSA algoritmu je velmi efektivní ve hře proti Q-Learning algoritmu. Dalším zjištěním je, že při hraní proti Counterfactual Regret Minimization algoritmu je SARSA algoritmus ve značné nevýhodě.
|
|
|
Supported nanostructured Pd catalyst using atomic layer deposition: from methanol oxidation to hydrogen evolution reaction
Bawab, Bilal ; Knez, Mato (oponent) ; Nielsch, Kornelius (oponent) ; Macák, Jan (vedoucí práce)
In this thesis, the catalytic capabilities of Pd species deposited by Atomic Layer Deposition (ALD) was explored on different substrates. Pd species composed of Nanoparticles (NPs) and Single atoms (SAs) were synthesized on anodic TiO2 nanotube (TNT) layers and carbon papers, respectively, to investigate their performance in methanol electro-oxidation and the alkaline hydrogen evolution reaction (HER). Pd NPs were deposited on TNT layers as methanol oxidation catalyst, leveraging their large surface area and direct electrical contact through the titanium foil. TEM analysis showed Pd particle sizes between 7 and 12 nm, with a shift to a porous Pd layer formation beyond 450 ALD cycles. Cyclic voltammetry revealed that catalytic activity peaked at 400 and 450 cycles, indicating optimal Pd loading and anti-poisoning characteristics, potentially enabling direct CH3OH to CO2 conversion. The other role the Pd achieved through the presence of SAs and NPs. Pd species were decorated on carbon papers were studied as HER catalyst. the samples before and after electrochemical measurements were characterized with X-ray photoelectron spectroscopy confirming the presence of Pd2+ species. The electrochemical active surface area increased significantly with ALD cycles, reaching a plateau at 300c Pd. Notably, CP 600c Pd demonstrated an overpotential of 4.55 mV, the lowest reported for Pd electrocatalysts in alkaline conditions. This highlights the synergistic effects of Pd configurations on HER enhancement and explores the mechanism by which the HER process occurs.
|
host ::
RSS.