Aplicando modelos de aprendizado por reforço profundo em um jogo adversário

Montalvão, Tiago Carvalho Gomes

Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/14791

Type:	Trabalho de conclusão de graduação
Title:	Aplicando modelos de aprendizado por reforço profundo em um jogo adversário
Author(s)/Inventor(s):	Montalvão, Tiago Carvalho Gomes
Advisor:	Menasché, Daniel Sadoc
Abstract:	Este trabalho tem como objetivo explorar a área de aprendizado por reforço profundo, que tem apresentado grandes evoluções nos últimos anos e é considerada por diversos pesquisadores a área mais próxima da chamada Inteligência Artificial Geral ou Inteligência Artificial Forte. Uma variação do jogo da velha é apresentada e um modelo é proposto para o treinamento de um agente inteligente capaz de jogar este jogo, de tal forma que as ações do agente combinam uma parte numérica com uma parte categórica. Para isto, este trabalho introduz grande parte da modelagem encontrada na área de Aprendizado por Reforço Profundo. São exploradas diversas configurações para o treinamento deste agente a fim de validar a que apresenta o melhor desempenho no jogo. A pontuação é calculada com base em partidas contra um agente proposto ao longo do trabalho que age em partes de forma aleatória e em partes de forma inteligente. Por fim, são apresentados os resultados obtidos nos experimentos, desafios encontrados e propostas de melhoria para trabalhos futuros.
Keywords:	Aprendizado por reforço Aprendizado computacional Inteligência artificial Redes neurais
Subject CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::LOGICAS E SEMANTICA DE PROGRAMAS
Production unit:	Instituto de Computação
Publisher:	Universidade Federal do Rio de Janeiro
Issue Date:	17-Jun-2021
Publisher country:	Brasil
Language:	por
Right access:	Acesso Aberto
Appears in Collections:	Ciência da Computação

Files in This Item:

File	Description	Size	Format
TCGMontalvao.pdf		877.19 kB	Adobe PDF	View/Open

Show full item record Recommend this item View Statistics

Pantheon Institutional repository