|
|
Board Game Focused on Educational Support for Gaming Algorithms
Čáslava, Martin ; Hrubý, Martin (oponent) ; Drahanský, Martin (vedoucí práce)
This work deals with the part of field of artificial intelligence known as ''Methods of playing games''. The goal of this bachelor's thesis is to design and implement software that allows the user to more easily understand the principles of game algorithms Minimax and Alpha-beta pruning. Typical users of this software can be, for example, students of artificial intelligence. This work is divided into two main parts. The first theoretical part tries to explain the ''Method of playing games'' concept and subsequently contains detailed descriptions of software design and educational benefits. The second part of this work is devoted to a description of software implementation, testing and discussion of the achieved results.
|
|
|
Zpětnovazební učení pro řešení herních algoritmů
Daňhelová, Jana ; Uher, Václav (oponent) ; Kolařík, Martin (vedoucí práce)
Bakalářská práce Zpětnovazební učení pro řešení herních algoritmů je rozdělena do dvou částí. V teoretické části jsou popsány a srovnávány základní metody zpětnovazebního učení, přičemž zvláštní pozornost je věnována metodám aktivního učení – Q-učení a hlubokému učení. Praktická část je zaměřena na aplikaci metody deep learning na hru Had. Výsledky jsou prezentovány ve formě programu napsaného v programovacím jazyku Python, který se skládá z herního prostředí vytvořeného v PyGame, modelu konvoluční neuronové sítě zkonstruovaného v knihovně Keras a herního agenta. Výstupem programu je několik typů datasetů ve formátu csv. Získaná data, obsahující hodnoty jednotlivých parametrů jako počet epoch, přesnost, ztráta nebo výše odměny, mohou být následně použita jako podklady pro další zpracování.
|
|
|
Zpětnovazební učení pro řešení herních algoritmů
Daňhelová, Jana ; Uher, Václav (oponent) ; Kolařík, Martin (vedoucí práce)
Bakalářská práce Zpětnovazební učení pro řešení herních algoritmů je rozdělena do dvou částí. V teoretické části jsou popsány a srovnávány základní metody zpětnovazebního učení, přičemž zvláštní pozornost je věnována metodám aktivního učení – Q-učení a hlubokému učení. Praktická část je zaměřena na aplikaci metody deep learning na hru Had. Výsledky jsou prezentovány ve formě programu napsaného v programovacím jazyku Python, který se skládá z herního prostředí vytvořeného v PyGame, modelu konvoluční neuronové sítě zkonstruovaného v knihovně Keras a herního agenta. Výstupem programu je několik typů datasetů ve formátu csv. Získaná data, obsahující hodnoty jednotlivých parametrů jako počet epoch, přesnost, ztráta nebo výše odměny, mohou být následně použita jako podklady pro další zpracování.
|
|
|
Board Game Focused on Educational Support for Gaming Algorithms
Čáslava, Martin ; Hrubý, Martin (oponent) ; Drahanský, Martin (vedoucí práce)
This work deals with the part of field of artificial intelligence known as ''Methods of playing games''. The goal of this bachelor's thesis is to design and implement software that allows the user to more easily understand the principles of game algorithms Minimax and Alpha-beta pruning. Typical users of this software can be, for example, students of artificial intelligence. This work is divided into two main parts. The first theoretical part tries to explain the ''Method of playing games'' concept and subsequently contains detailed descriptions of software design and educational benefits. The second part of this work is devoted to a description of software implementation, testing and discussion of the achieved results.
|
host ::
RSS.