|
|
Board Game Focused on Educational Support for Gaming Algorithms
Čáslava, Martin ; Hrubý, Martin (referee) ; Drahanský, Martin (advisor)
Tato práce se zabývá oblastí umělé inteligence zvané jako ''Metody pro hraní her''. Cílem této bakalářské práce je navrhnout a implementovat software, který umožní uživateli snadněji pochopit principy herních algoritmů Minimax a Alfa-beta prořezávání. Typickými uživateli tohoto softwaru mohou být například studenti oboru umělá inteligence. Práci lze rozdělit do dvou hlavních částí. První, teoretická část, se snaží vysvělit koncept ''Metoda pro hraní her'', dále obsahuje popis návrhu softwaru a popis výukových přínosů aplikace. Druhá část práce je věnována popisu implementace softwaru, testování a diskuzi dosažených výsledků.
|
|
|
Reinforcement learning for solving game algorithms
Daňhelová, Jana ; Uher, Václav (referee) ; Kolařík, Martin (advisor)
The bachelor thesis Reinforcement learning for solving game algorithms is divided into two distinct parts. The theoretical part describes and compares the fundamental methods of reinforcement learning with special attention to the methods of active learning – Q-learning and deep learning. In the practical part the deep q-learning technique is chosen for testing and applied to the case of the Snake game. The results are presented in the form of program written in Python programming language, which consists of the game environment created in PyGame, the model of convolutional neural network designed in Keras and agent playing the game. As an output of the program there are several types of datasets in CSV format. The gained data containing the values of parameters like number of epochs, accuracy, loss or the amount of the reward can later be used for further processing.
|
|
|
Reinforcement learning for solving game algorithms
Daňhelová, Jana ; Uher, Václav (referee) ; Kolařík, Martin (advisor)
The bachelor thesis Reinforcement learning for solving game algorithms is divided into two distinct parts. The theoretical part describes and compares the fundamental methods of reinforcement learning with special attention to the methods of active learning – Q-learning and deep learning. In the practical part the deep q-learning technique is chosen for testing and applied to the case of the Snake game. The results are presented in the form of program written in Python programming language, which consists of the game environment created in PyGame, the model of convolutional neural network designed in Keras and agent playing the game. As an output of the program there are several types of datasets in CSV format. The gained data containing the values of parameters like number of epochs, accuracy, loss or the amount of the reward can later be used for further processing.
|
|
|
Board Game Focused on Educational Support for Gaming Algorithms
Čáslava, Martin ; Hrubý, Martin (referee) ; Drahanský, Martin (advisor)
Tato práce se zabývá oblastí umělé inteligence zvané jako ''Metody pro hraní her''. Cílem této bakalářské práce je navrhnout a implementovat software, který umožní uživateli snadněji pochopit principy herních algoritmů Minimax a Alfa-beta prořezávání. Typickými uživateli tohoto softwaru mohou být například studenti oboru umělá inteligence. Práci lze rozdělit do dvou hlavních částí. První, teoretická část, se snaží vysvělit koncept ''Metoda pro hraní her'', dále obsahuje popis návrhu softwaru a popis výukových přínosů aplikace. Druhá část práce je věnována popisu implementace softwaru, testování a diskuzi dosažených výsledků.
|
guest ::
