|
|
Methods for Playing the Game 'Liar's Dice' Using Dynamic Programming
Lohn, Marek ; Šátek, Václav (referee) ; Zbořil, František (advisor)
This project is about Methods of playing game Liar’s Dice using dynamic programming. The algorithm that was chosen for my study is SARSA, short for State Action Reward State Action algorithm. It is a modified version of algorithm named Q-Learning. It comparing algorithm SARSA with other algorithms by letting them play against each other in application, that was made in Unity Engine. Algorithms that were compared to SARSA are Q-Learning and Counterfactual Regret Minimization. SARSA achieved a 69,147 % win ratio in a game against Q-Learning. In games against Counterfactual Regret Minimization it was only 25 % win ratio. The main outcome of this study is that modified SARSA is effective against Q-Learning algorithm in a game of Liar’s Dice. On the other hand the SARSA algorithm was very ineffective against the Counterfactual Regret Minimization algorithm.
|
|
|
Methods for Playing the Game 'Liar's Dice' Using Dynamic Programming
Lohn, Marek ; Šátek, Václav (referee) ; Zbořil, František (advisor)
This project is about Methods of playing game Liar's Dice using dynamic programming. The algorithm that I chose for my study is SARSA, short for State Action Reward State Action algorithm. It is a modified version of algorithm named Q-Learning. I compared SARSA with other algorithms by letting them play against each other in application that I made in Unity Engine. Algorithms that I compared to SARSA are Q-Learning and Counterfactual Regret Minimization. I achieved a 69,147\,\% win ratio in a game against Q-Learning. In games against Counterfactual Regret Minimization it was only 29,84\,\% win ratio. The main outcome of this study is that SARSA, modified version of Q-Learning is effective against Q-Learning algorithm. On the other hand the SARSA algorithm was very ineffective against the Counterfactual Regret Minimization algorithm.
|
|
|
Supported nanostructured Pd catalyst using atomic layer deposition: from methanol oxidation to hydrogen evolution reaction
Bawab, Bilal ; Knez, Mato (referee) ; Nielsch, Kornelius (referee) ; Macák, Jan (advisor)
V této práci byly zkoumány katalytické schopnosti druhů Pd deponovaných metodou Atomic Layer Deposition (ALD) na různých substrátech. Druhy Pd složené z nanočástic (NP) a jednotlivých atomů (SA) byly syntetizovány na vrstvách anodických nanotrubiček TiO2 (TNT) a uhlíkových papírech, aby se prozkoumalo jejich chování při elektrooxidaci methanolu a reakci vývoje alkalického vodíku (HER). Pd NP byly naneseny na vrstvy TNT jako katalyzátor oxidace methanolu, čímž se využil jejich velký povrch a přímý elektrický kontakt přes titanovou fólii. TEM analýza ukázala velikosti částic Pd mezi 7 a 12 nm, s posunem k tvorbě porézní vrstvy Pd po 450 cyklech ALD. Cyklická voltametrie odhalila, že katalytická aktivita dosáhla vrcholu po 400 a 450 cyklech, což ukazuje na optimální zatížení Pd a vlastnosti proti otravě, což potenciálně umožňuje přímou konverzi CH3OH na CO2. Další role Pd dosáhla přítomností SA a NP. Druhy Pd byly dekorovány na uhlíkových papírech a byly studovány jako HER katalyzátor. vzorky před a po elektrochemických měřeních byly charakterizovány rentgenovou fotoelektronovou spektroskopií potvrzující přítomnost druhů Pd2+. Elektrochemicky aktivní povrchová plocha se významně zvýšila s cykly ALD a dosáhla plató při 300c Pd. Pozoruhodné je, že CP 600c Pd vykazoval nadměrný potenciál 4,55 mV, což je nejnižší hodnota udávaná pro Pd elektrokatalyzátory v alkalických podmínkách. To zdůrazňuje synergické účinky Pd konfigurací na zesílení HER a zkoumá mechanismus, kterým dochází k HER procesu.
|
guest ::
