Hluboké učení AI v herních prostředích

Simple item page
but.committeedoc. Ing. František Zbořil, Ph.D. (předseda) doc. Mgr. Adam Rogalewicz, Ph.D. (místopředseda) Ing. Michal Hradiš, Ph.D. (člen) Ing. Lukáš Kekely, Ph.D. (člen) Ing. Vladimír Veselý, Ph.D. (člen)cs
but.defenceStudent nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm D. Otázky u obhajoby: Objasněte prosím počáteční podmínky experimentů uvedených v sekci 4.1. Jakými algoritmy bylo dosaženo prezentovaných výsledků? Jak vypadala architektura neuronové sítě? Co reprezentují vstupy a výstupy sítě? Experimentoval jste s hyperparametry? Vysvětlete prosím co ilustrují obrázky 4.1(a) a (b). Co reprezentují jednotlivé průběhy vizualizované oranžovou a modrou barvou? Jaký je vztah mezi neuronovou sítí a posilovaným učením? Co považujete za nejnáročnější část vaši práce, na co jste nejvíc hrdý? Jak jste zjišťoval výhody a nevýhody jednotlivých přístupů? Považujete výsledné natrénování agentů za úspěšné? Byla by vaše metoda použitelná i pro složitější hru?cs
but.jazykslovenština (Slovak)
but.programInformační technologiecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorPolášek, Tomášsk
dc.contributor.authorGlós, Kristiánsk
dc.contributor.refereeBobák, Petrsk
dc.date.created2021cs
dc.description.abstractPráca sa zaoberá analýzou algoritmov hlbokého učenia a ich schopností splňovať úlohy v herných prostrediach vývojového prostredia Unity. Ďalej sa pokúša vyhľadávať a špecifikovať možné využitia hlbokého učenia a neurónových sietí pre využitie pri vývoji počítačových hier. Využívame na to posilované učenie, imitačné učenie, a neuroevolúciu, pričom sa posilované učenie používalo počas celého vývoja hernej scény. Vyhodnocovanie a analýza prebiehali púštaním sietí v rôznych podmienkach herných scén a iných faktorov.sk
dc.description.abstractThis thesis is focused on analysing deep learning algorithms and their ability to complete given tasks implemented in game environments created via the Unity game engine. Secondary objective was to research and specify possible use-cases of deep learning during game development. The algorithms used fall into Reinforcement learning, Imitation learning and Neuroevolution, while Reinforcement learning was used throughout the whole game scene development cycle. Analysis and results were collected through training the networks in different game scene states and other factors.en
dc.description.markDcs
dc.identifier.citationGLÓS, K. Hluboké učení AI v herních prostředích [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2021.cs
dc.identifier.other136594cs
dc.identifier.urihttp://hdl.handle.net/11012/199428
dc.language.isoskcs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectHlboké učeniesk
dc.subjectStrojové učeniesk
dc.subjectUmelá inteligenciask
dc.subjectPosilované učeniesk
dc.subjectImitačné učeniesk
dc.subjectGAILsk
dc.subjectQ-učeniesk
dc.subjectPPOsk
dc.subjectknihovňa ML-agentssk
dc.subjectUnitysk
dc.subjectHerné prostrediask
dc.subjectAgentisk
dc.subjectStrojové učeniesk
dc.subjectodmenysk
dc.subjectodmeny a trestysk
dc.subjectGenetické algoritmysk
dc.subjectneuroevolúciask
dc.subjectNEATsk
dc.subjectEvolučné stratégiesk
dc.subjectMarkovské rozhodovacie procesysk
dc.subjectneurónové sietesk
dc.subjectDeep Learningen
dc.subjectMachine learningen
dc.subjectAIen
dc.subjectReinforcement Learningen
dc.subjectImitation Learningen
dc.subjectGAILen
dc.subjectQ-Learningen
dc.subjectProximal Policy Optimalizationen
dc.subjectML-agentsen
dc.subjectUnityen
dc.subjectGame environmentsen
dc.subjectAgentsen
dc.subjectrewards and penaltiesen
dc.subjectGenetic Algorithmsen
dc.subjectNeuroevolutionen
dc.subjectNeuroevolution of Augmented Topologiesen
dc.subjectEvolution Strategiesen
dc.subjectMarkov Decision Processen
dc.subjectNeural networken
dc.titleHluboké učení AI v herních prostředíchsk
dc.title.alternativeDeep Learning AI in Game Environmentsen
dc.typeTextcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
dcterms.dateAccepted2021-06-15cs
dcterms.modified2021-06-19-12:15:56cs
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
sync.item.dbid136594en
sync.item.dbtypeZPen
sync.item.insts2025.03.18 20:58:59en
sync.item.modts2025.01.15 12:43:04en
thesis.disciplineInformační technologiecs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédiícs
thesis.levelBakalářskýcs
thesis.nameBc.cs
Files
Original bundle
Now showing 1 - 4 of 4
Thumbnail Image
Name:
final-thesis.pdf
Size:
2.06 MB
Format:
Adobe Portable Document Format
Description:
file final-thesis.pdf
Download
Thumbnail Image
Name:
Posudek-Vedouci prace-24101_v.pdf
Size:
87.36 KB
Format:
Adobe Portable Document Format
Description:
file Posudek-Vedouci prace-24101_v.pdf
Download
Thumbnail Image
Name:
Posudek-Oponent prace-24101_o.pdf
Size:
135.78 KB
Format:
Adobe Portable Document Format
Description:
file Posudek-Oponent prace-24101_o.pdf
Download
Thumbnail Image
Name:
review_136594.html
Size:
1.44 KB
Format:
Hypertext Markup Language
Description:
file review_136594.html
Download
Collections
2021