Navigace v neznámém a pevně daném prostředí pomocí deep reinforcement learning algoritmu – Bc. Gabriela HRUBÁ
Bc. Gabriela HRUBÁ
Master's thesis
Navigace v neznámém a pevně daném prostředí pomocí deep reinforcement learning algoritmu
Navigation in an unknown and fixed environment using deep reinforcement learning algorithm
Abstract:
Deep reinforcement learning je oblast umělé inteligence, kombinující přístup reinforcement learning a hlubokého učení. Pro stavební stroj, poskytnutý firmou Technotrade, je vytvořena simulace pohybu v pevně daném prostředí. Použitím algoritmu deep Q-learning, který spojuje algoritmus Q-learning s umělými neuronovými sítěmi, je vytvořen model, navigující nakladač v daném virtuálním prostředí do cílové …moreAbstract:
Deep reinforcement learning is an area of machine learning which combines the principles of reinforcement learning and deep learning. Construction vehicle is provided by the company Technotrade. A driving simulation in a stable fixed environment is developed for the given vehicle. Using the deep Q-learning algorithm, which merges Q-learning algorithm with artificial neural networks, a model is implemented …more
Language used: Czech
Date on which the thesis was submitted / produced: 5. 5. 2022
Thesis defence
- Supervisor: RNDr. Martin Trnečka, Ph.D.
Citation record
ISO 690-compliant citation record:
HRUBÁ, Gabriela. \textit{Navigace v neznámém a pevně daném prostředí pomocí deep reinforcement learning algoritmu}. Online. Master's thesis. Olomouc: Palacký University Olomouc, Faculty of Science. 2022. Available from: https://theses.cz/id/grwk8h/.
The right form of listing the thesis as a source quoted
HRUBÁ, Gabriela. Navigace v neznámém a pevně daném prostředí pomocí deep reinforcement learning algoritmu. Olomouc, 2022. diplomová práce (Mgr.). UNIVERZITA PALACKÉHO V OLOMOUCI. Přírodovědecká fakulta
Full text of thesis
Contents of on-line thesis archive
Published in Theses:- světu
Other ways of accessing the text
Institution archiving the thesis and making it accessible: UNIVERZITA PALACKÉHO V OLOMOUCI, Přírodovědecká fakultaPalacký University Olomouc
Faculty of ScienceMaster programme / field:
Computer Science / Computer Science - Specialization in Artificial Intelligence
Theses on a related topic
-
Monte Carlo Tree Search in Deep Reinforcement Learning Algorithms
Richard Schwarz -
Deep Risk-Constrained Reinforcement Learning with Safety Critics
Martin Gendiar -
Deep Reinforcement Learning for Decision Neuroscience
Faizanshaikh Abdulkhalil SHAIKH -
Grammatikfehlerkorrektur mit Deep Reinforcement Learning
Raj Kumar RANA -
Deep Risk-Constrained Reinforcement Learning with Safety Critics
Martin Gendiar -
Risk-Sensitive Reinforcement Learning
Marek Kadlčík -
Modul pro Q-Learning pro Modeler neuronových sítí
Jan Bauer -
Reinforcement learning v počítačových hrách
Tomáš Svoboda
Name
Posted by
Uploaded/Created
Rights
Folders
Files
MARKLOVÁ, E.
11/5/2022