|
|
Trénování inteligentních agentů v enginu Unity
Vaculík, Jan ; Chlubna, Tomáš (oponent) ; Matýšek, Michal (vedoucí práce)
Cílem práce je navrhnout aplikace, které demonstrují sílu strojového učení pro tvorbu umělé inteligence ve videohrách. K řešení této problematiky je použita sada nástrojů ML-Agents, která umožňuje tvorbu inteligentních agentů v enginu Unity. Jednotlivé demonstrační aplikace jsou zaměřeny na různé scénáře využití této sady. Pro trénování je použito zpětnovazební a imitační učení.
|
|
|
Hluboké posilovaná učení a řešení pohybu robotu typu had
Kočí, Jakub ; Dobrovský, Ladislav (oponent) ; Matoušek, Radomil (vedoucí práce)
Tato diplomová práce se zabývá použitím posilovaného učení pro úkoly hlubokého učení. V teoretické části je rozebrán potřebný základ k neuronovým sítím a posilovanému učení. Práce popisuje teoretický model posilovaného učení - Markovovské procesy, na konvenčních algoritmech ukazuje některé zajímavé techniky a v rešeršní části ukazuje některé z používaných algoritmů hlubokého posilovaného učení. Praktická část práce se skládá z vlastního modelu robotu a prostředí a z vlastního systému posilovaného učení.
|
|
|
Využití Robotického operačního systému (ROS) pro řízení kolaborativního robota UR3
Juříček, Martin ; Matoušek, Radomil (oponent) ; Parák, Roman (vedoucí práce)
Cílem bakalářské práce je vytvoření řídícího programu, jeho následné otestování a ověření funkčnosti pro kolaborativního robota UR3 od firmy Universal Robots. Řídící program je napsán v jazyce python a integruje možnosti řízení skrz Robotický operační systém, kdy lze dosahovat definovaného bodu pomocí předem simulovaných trajektorií algoritmů Q-learning, SARSA, Deep Q-learning, Deep SARSA, a nebo za pomocí pouze frameworku MoveIT. V práci je pojednáno průřezem o tématech kolaborativní robotiky, Robotického operačního systému, simulačního prostředí Gazebo, zpětnovazebního a hluboké zpětnovazebního učení. Závěrem je popsán samotný návrh a implementace řídícího programu s dílčími částmi.
|
|
|
Posilované učení a agentní prostředí
Brychta, Adam
Tato práce se zabývá posilovaným učením a jeho aplikací v agentním prostředí. V teoretické části je proveden rozbor teorie obsahující oblasti agentního prostředí, neuronových sítí a posilovaného učení. Praktická část je zaměřena na návrh a implementaci agenta hlubokého posilovaného učení s možností použití hierarchického posilovaného učení.
|
|
|
Quoting behaviour of a market-maker under different exchange fee structures
Kiseľ, Rastislav ; Baruník, Jozef (vedoucí práce) ; Kočenda, Evžen (oponent)
Posledných pár rokov sa výskům ohladom mikro-štruktúry trhu snaží odhalit závislosti tržnej efektivity na rozličných charakteristikách trhov. Poplatkový systém make-take je právě jedným z takýchto tém, kedže móže mať vplyv na správanie agentov, napr. broker-dealerov či market-makerov. V tejto cliplo- movej práci navrhneme model založený na Hawksovom procese, ktorý bude mať za ciel zachytit štatistické rozdiely vyplývajúce z odlišných poplatkových režimov a zároveň tieto rozdiely odhadnúť na dátach z limitnej knihy. Následné sa pokúsime použit tieto odhady na zmeranie kvality obchodovania z pohladn market-makera. Za týmto účelom použijeme existujúce tržné modely, avšak, optimálnu funkciu market-makera budeme hladať pomocou metody hlbokého spátnovázbového učenia. Naše výsledky implikujú, že maker-taker burzy poskytujú kvalitnejšiu likviditu a zároveň, že hlboké spátnovázbové učenie móže byť úspěšně použité v oblasti hladania optimálnych politik market- makera. Klasifikace JEL Klíčová slova C32, C45, C61, C63 make-take poplatky, Hawkesov proces, kniha limitných objednávok, market making, hlboké spátnovázbové učenie E-mail autora E-mail vedoucího práce kiselrastislavSgmail.com barunik@fsv.cuni.cz
|
|
|
Trénování inteligentních agentů v enginu Unity
Vaculík, Jan ; Chlubna, Tomáš (oponent) ; Matýšek, Michal (vedoucí práce)
Cílem práce je navrhnout aplikace, které demonstrují sílu strojového učení pro tvorbu umělé inteligence ve videohrách. K řešení této problematiky je použita sada nástrojů ML-Agents, která umožňuje tvorbu inteligentních agentů v enginu Unity. Jednotlivé demonstrační aplikace jsou zaměřeny na různé scénáře využití této sady. Pro trénování je použito zpětnovazební a imitační učení.
|
|
|
Využití Robotického operačního systému (ROS) pro řízení kolaborativního robota UR3
Juříček, Martin ; Matoušek, Radomil (oponent) ; Parák, Roman (vedoucí práce)
Cílem bakalářské práce je vytvoření řídícího programu, jeho následné otestování a ověření funkčnosti pro kolaborativního robota UR3 od firmy Universal Robots. Řídící program je napsán v jazyce python a integruje možnosti řízení skrz Robotický operační systém, kdy lze dosahovat definovaného bodu pomocí předem simulovaných trajektorií algoritmů Q-learning, SARSA, Deep Q-learning, Deep SARSA, a nebo za pomocí pouze frameworku MoveIT. V práci je pojednáno průřezem o tématech kolaborativní robotiky, Robotického operačního systému, simulačního prostředí Gazebo, zpětnovazebního a hluboké zpětnovazebního učení. Závěrem je popsán samotný návrh a implementace řídícího programu s dílčími částmi.
|
|
|
Hluboké posilovaná učení a řešení pohybu robotu typu had
Kočí, Jakub ; Dobrovský, Ladislav (oponent) ; Matoušek, Radomil (vedoucí práce)
Tato diplomová práce se zabývá použitím posilovaného učení pro úkoly hlubokého učení. V teoretické části je rozebrán potřebný základ k neuronovým sítím a posilovanému učení. Práce popisuje teoretický model posilovaného učení - Markovovské procesy, na konvenčních algoritmech ukazuje některé zajímavé techniky a v rešeršní části ukazuje některé z používaných algoritmů hlubokého posilovaného učení. Praktická část práce se skládá z vlastního modelu robotu a prostředí a z vlastního systému posilovaného učení.
|
|
|
Quoting behaviour of a market-maker under different exchange fee structures
Kiseľ, Rastislav ; Baruník, Jozef (vedoucí práce) ; Kočenda, Evžen (oponent)
Posledných pár rokov sa výskům ohladom mikro-štruktúry trhu snaží odhalit závislosti tržnej efektivity na rozličných charakteristikách trhov. Poplatkový systém make-take je právě jedným z takýchto tém, kedže móže mať vplyv na správanie agentov, napr. broker-dealerov či market-makerov. V tejto cliplo- movej práci navrhneme model založený na Hawksovom procese, ktorý bude mať za ciel zachytit štatistické rozdiely vyplývajúce z odlišných poplatkových režimov a zároveň tieto rozdiely odhadnúť na dátach z limitnej knihy. Následné sa pokúsime použit tieto odhady na zmeranie kvality obchodovania z pohladn market-makera. Za týmto účelom použijeme existujúce tržné modely, avšak, optimálnu funkciu market-makera budeme hladať pomocou metody hlbokého spátnovázbového učenia. Naše výsledky implikujú, že maker-taker burzy poskytujú kvalitnejšiu likviditu a zároveň, že hlboké spátnovázbové učenie móže byť úspěšně použité v oblasti hladania optimálnych politik market- makera. Klasifikace JEL Klíčová slova C32, C45, C61, C63 make-take poplatky, Hawkesov proces, kniha limitných objednávok, market making, hlboké spátnovázbové učenie E-mail autora E-mail vedoucího práce kiselrastislavSgmail.com barunik@fsv.cuni.cz
|
host ::
RSS.