but.committee	prof. Ing. Adam Herout, Ph.D. (předseda) doc. Ing. Ondřej Ryšavý, Ph.D. (místopředseda) Ing. Bohuslav Křena, Ph.D. (člen) doc. Ing. Tomáš Martínek, Ph.D. (člen) doc. RNDr. Michal Novák, Ph.D. (člen)	cs
but.defence	Student 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 výborně (A) . Otázky u obhajoby: Jaké rozšíření oproti vaší implementaci jsou nutné k hraní složitějších stavových her jako Doom, na kterých byl DQN uváděn v článku který ho prezentoval? Proč se vaše implementace DDQN přestane učit po několik desítkách tisíc epizod? Co by jí pomohlo?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Hradiš, Michal	cs
dc.contributor.author	Buchal, Petr	cs
dc.contributor.referee	Kolář, Martin	cs
dc.date.created	2018	cs
dc.description.abstract	Cílem této práce je naučit neuronovou síť pohybu v prostředích s klasickou kontrolou řízení, hraní tahové hry 2048 a několika Atari her. Jedná se o oblast zpětnovazebního učení. Jako zpětnovazební algoritmus využívající neuronové sítě jsem použil Hluboké Q-učení. Ten jsem pro zvýšení efektivity učení obohatil o několik vylepšení. Mezi vylepšení patří přidání cílové sítě, DDQN, duální architektura neuronové sítě a prioritní vzpomínková paměť. Experimenty s klasickou kontrolou řízení zjistily, že nejvíce zvedá efektivitu učení přidání cílové sítě. V prostředích her dosáhlo Hluboké Q-učení několikanásobně lepších výsledků než náhodný hráč. Výsledky a jejich analýza mohou být využity ke vhledu do problematiky zpětnovazebních algoritmů využívajících neuronové sítě a zdokonalení použitých postupů.	cs
dc.description.abstract	The aim of this bachelor thesis is to teach a neural network solving classic control theory problems and playing the turn-based game 2048 and several Atari games. It is about the process of the reinforcement learning. I used the Deep Q-learning reinforcement learning algorithm which uses a neural networks. In order to improve a learning efficiency, I enriched the algorithm with several improvements. The enhancements include the addition of a target network, DDQN, dueling neural network architecture and priority experience replay memory. The experiments with classic control theory problems found out that the learning efficiency is most increased by adding a target network. In the game environments, the Deep Q-learning has achieved several times better results than a random player. The results and their analysis can be used for an insight to reinforcement learning algorithms using neural networks and to improve the used techniques.	en
dc.description.mark	A	cs
dc.identifier.citation	BUCHAL, P. Hraní her pomocí neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2018.	cs
dc.identifier.other	114760	cs
dc.identifier.uri	http://hdl.handle.net/11012/85237
dc.language.iso	cs	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	Strojové učení	cs
dc.subject	Zpětnovazební učení	cs
dc.subject	Neuronové sítě	cs
dc.subject	Q-učení	cs
dc.subject	Hluboké Q-učení	cs
dc.subject	Machine learning	en
dc.subject	Reinforcement learning	en
dc.subject	Neural networks	en
dc.subject	Q-learning	en
dc.subject	Deep Q-learning	en
dc.title	Hraní her pomocí neuronových sítí	cs
dc.title.alternative	Playing Games Using Neural Networks	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2018-06-13	cs
dcterms.modified	2020-05-10-16:13:21	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	114760	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:08:43	en
sync.item.modts	2025.01.15 14:44:19	en
thesis.discipline	Informační technologie	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Bakalářský	cs
thesis.name	Bc.	cs

Hraní her pomocí neuronových sítí

Files

Original bundle

Collections