Please use this identifier to cite or link to this item:
http://hdl.handle.net/11422/18241
Type: | Trabalho de conclusão de graduação |
Title: | Aprendizado por reforço com aproximadores não lineares aplicados a jogos eletrônicos |
Other Titles: | Reinforcement learning with non-linear approximants applied to electronic games |
Author(s)/Inventor(s): | Cano, Lyang Higa |
Advisor: | Evsukof, Alexandre Gonçalves |
Abstract: | A Inteligência Artificial tem se tornado cada vez mais importante no mundo atual e o Aprendizado por Reforço tem ocupado uma área de destaque. No entanto, ainda há diversos problemas em aberto, como o problema de Convergência de Política Ótima, que ocorre ao combinar três elementos essenciais, o Bootstrapping, a metodologia Off-Policy e os Aproximadores Não Lineares. Até que o Artigo Human Level Control Through Deep Reinforcement Learning [1] do grupo de pesquisa Deep Mind propõem uma nova abordagem que consegue contornar tal problema. Este trabalho tem como objetivo apresentar cada um destes três elementos, apresentar o Problema de Convergência de Política Ótima, verificar a abordagem proposta pelo Artigo [1], realizar um novo teste e avaliar se tal proposta é realmente eficaz. A contribuição deste trabalho consiste primeiramente na revisão bibliográfica deste tema, que é extenso e complexo, numa análise profunda do Artigo [1], especialmento do Algoritmo Deep Q-Network, e por fim em uma nova avaliação através de experimentos em um ambiente diferente dos utilizados no Artigo |
Keywords: | Aprendizado Por Reforço IA |
Subject CNPq: | CNPQ::ENGENHARIAS |
Production unit: | Escola Politécnica |
Publisher: | Universidade Federal do Rio de Janeiro |
Issue Date: | Aug-2019 |
Publisher country: | Brasil |
Language: | por |
Right access: | Acesso Aberto |
Appears in Collections: | Engenharia de Computação e Informação |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
monopoli10029824.pdf | 1.89 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.