prikaz prve stranice dokumenta Primjena učenja podrškom na problem dvonožnog hodanja
  Preuzmi
PDF 1.96 MB
diplomski rad
Primjena učenja podrškom na problem dvonožnog hodanja
2022. urn:nbn:hr:166:932294
Čaleta, Paula
Sveučilište u Splitu
Prirodoslovno-matematički fakultet
Odjel za matematiku

Citirajte ovaj rad

Čaleta, P. (2022). Primjena učenja podrškom na problem dvonožnog hodanja (Diplomski rad). Split: Sveučilište u Splitu, Prirodoslovno-matematički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:166:932294

Čaleta, Paula. "Primjena učenja podrškom na problem dvonožnog hodanja." Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, 2022. https://urn.nsk.hr/urn:nbn:hr:166:932294

Čaleta, Paula. "Primjena učenja podrškom na problem dvonožnog hodanja." Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, 2022. https://urn.nsk.hr/urn:nbn:hr:166:932294

Čaleta, P. (2022). 'Primjena učenja podrškom na problem dvonožnog hodanja', Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, citirano: 15.11.2024., https://urn.nsk.hr/urn:nbn:hr:166:932294

Čaleta P. Primjena učenja podrškom na problem dvonožnog hodanja [Diplomski rad]. Split: Sveučilište u Splitu, Prirodoslovno-matematički fakultet; 2022 [pristupljeno 15.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:166:932294

P. Čaleta, "Primjena učenja podrškom na problem dvonožnog hodanja", Diplomski rad, Sveučilište u Splitu, Prirodoslovno-matematički fakultet, Split, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:166:932294

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:166:932294
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovPrimjena učenja podrškom na problem dvonožnog hodanja
Naslov (engleski)Applying reinforcement learning on the bipedal walking problem
AutorPaula Čaleta
MentorIvo Ugrina (mentor)
Član povjerenstvaIvo Ugrina (predsjednik povjerenstva)
Član povjerenstvaTanja Vojković (član povjerenstva)
Član povjerenstvaDomagoj Jelić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Splitu
Prirodoslovno-matematički fakultet
(Odjel za matematiku)
Split
Datum i država obrane2022-07-07, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		PRIRODNE ZNANOSTI
Matematika
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Cilj je ovog diplomskog rada predstaviti model slobodne metode učenja podrškom primjenjive na rješavanje problema neprekidne kontrole, točnije dvonožnog hodanja. U tu je svrhu prvo opisana struktura i proces učenja neuronskih mreža. Definiramo i osnovne koncepte učenja podrškom, vrste algoritama te dajemo uvid u BipedalWalker-v3 radno okruženje dvonožnog robota u kojem implementiramo algoritme. Zatim prezentiramo TD3 algoritam počevši od DDPG algoritma kao osnove istog te ARS algoritam. Konačno, opisujemo implementaciju u Pythonu i rezultate oba algoritma.
Sažetak (engleski)
The goal of this thesis is to introduce model free reinforcement learning methods applicable on solving continuous control problems, i.e. bipedal walking. For that purpose, the neural networks structure and learning process is first defined. We also define the basic concepts and algorithm types of reinforcement learning and give insight into the BipedalWalker-v3 environment in which we implement the algorithms. Subsequently, we present the TD3 algorithm (starting with the DPPG algorithm as its basis) and the ARS algorithm. Finally, we describe the Python implementation and results of both algorithms.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:166:932294
Studijski programNaziv: Matematika; smjerovi: teorijski, računarski, nastavnički, statistika i računarstvo
Smjer: računarski
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra matematike (mag. math.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2022-07-15 12:07:40