Algoritmi poduprtog učenja i dilema istraživanja i iskorištavanja

Šušić, Igor

prikaz prve stranice dokumenta Algoritmi poduprtog učenja i dilema istraživanja i iskorištavanja

Pristup korisnicima matične ustanove

diplomski rad

Algoritmi poduprtog učenja i dilema istraživanja i iskorištavanja

2020. urn:nbn:hr:166:047345

Šušić, Igor

Sveučilište u Splitu
Prirodoslovno-matematički fakultet
Odjel za informatiku

Citirajte ovaj rad

APA 6th Edition

Šušić, I. (2020). Algoritmi poduprtog učenja i dilema istraživanja i iskorištavanja (Diplomski rad). Split: Sveučilište u Splitu, Prirodoslovno-matematički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:166:047345

MLA 8th Edition

Šušić, Igor. "Algoritmi poduprtog učenja i dilema istraživanja i iskorištavanja." Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, 2020. https://urn.nsk.hr/urn:nbn:hr:166:047345

Chicago 17th Edition

Harvard

Šušić, I. (2020). 'Algoritmi poduprtog učenja i dilema istraživanja i iskorištavanja', Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, citirano: 25.12.2024., https://urn.nsk.hr/urn:nbn:hr:166:047345

Vancouver

Šušić I. Algoritmi poduprtog učenja i dilema istraživanja i iskorištavanja [Diplomski rad]. Split: Sveučilište u Splitu, Prirodoslovno-matematički fakultet; 2020 [pristupljeno 25.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:166:047345

IEEE

I. Šušić, "Algoritmi poduprtog učenja i dilema istraživanja i iskorištavanja", Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, Split, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:166:047345

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:166:047345

Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.

Podaci o radu

Naslov	Algoritmi poduprtog učenja i dilema istraživanja i iskorištavanja
Naslov (engleski)	Reinforcement learning algorithms and exploration exploitation dilemma
Autor	Igor Šušić
Mentor	Saša Mladenović (mentor)
Član povjerenstva	Saša Mladenović (predsjednik povjerenstva)
Član povjerenstva	Goran Zaharija (član povjerenstva)
Član povjerenstva	Divna Krpan (član povjerenstva)
Ustanova koja je dodijelila akademski / stručni stupanj	Sveučilište u Splitu Prirodoslovno-matematički fakultet (Odjel za informatiku) Split
Datum i država obrane	2020-09-17, Hrvatska
Znanstveno / umjetničko područje, polje i grana	TEHNIČKE ZNANOSTI Računarstvo
Sažetak	Ovaj rad nudi pregled poduprtog učenja, ideja i algoritama na kojima se područje temelji. Kroz primjere polazi se od formalizacije problema koristeći Markovljeve procese odluke sve do Q-učenja. Promatra dilemu istraživanja i iskorištavanja, daje poveznicu s ponašanjem živih bića. Analizira te uspoređuje uspjeh različitih politika ponašanja kao rješenja dileme, točnije uspoređuje pohlepni epsilon, softmax i gornju granicu intervala pouzdanosti nad jednostavnim labirintom. Softmax je jedina politika koja u ograničenom broju epizoda konvergira na optimalnu politiku ponašanja za primjer korišten u radu.
Sažetak (engleski)	This work gives an overview of reinforcement learning, ideas, and algorithms that it is based upon. Through examples, it goesfrom formalization using MDP to Q-learning. Observesthe explorationexploitation dilemma and gives a link to the psychology of living creatures. Analyzes and compares multiple policies, such as epsilon greedy, softmax, and upper confidence bound in a use case of a simple maze. In such envirovment with some restraints like finite episode count only softmax converged to the optimal policy.
Ključne riječi
Ključne riječi (engleski)
Jezik	hrvatski
URN:NBN	urn:nbn:hr:166:047345
Studijski program	Naziv: Informatika (jednopredmetni); smjerovi: nastavnički Smjer: nastavnički Vrsta studija: sveučilišni Stupanj studija: diplomski Akademski / stručni naziv: magistar/magistra edukacije informatike (mag. educ. inf.)
Vrsta resursa	Tekst
Način izrade datoteke	Izvorno digitalna
Prava pristupa	Pristup korisnicima matične ustanove
Uvjeti korištenja
Datum i vrijeme pohrane	2021-01-13 16:54:19