Avaliação de topologia da rede neural e parâmetros do aprendizado de máquina por reforço para agentes jogadores de videogames
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFU |
Texto Completo: | https://repositorio.ufu.br/handle/123456789/36265 |
Resumo: | Reinforcement machine learning has been an important area in the field of artificial intelligence due to its versatility and adaptability in complex settings, without the need of a specialist supervisor. The use of images as input signals makes the intelligent agent similar to how a human being makes decisions, using the image’s rich information. In reinforcement learning with neural networks, performance is highly dependant on the topology of the neural network and several lerarning parameters. Therefore, this aims to develop an intelligent agent for playingt Atari 2600 videogames, while also proposing changes to the topology and reinforcement learning parameters comapred to literature methods. Experimental results were successful in the evolution of the agent in maximizing rewards, which shows the proposed topology and parameters are viable. |
id |
UFU_8736b5d51f338d53e4035d2feac17c0d |
---|---|
oai_identifier_str |
oai:repositorio.ufu.br:123456789/36265 |
network_acronym_str |
UFU |
network_name_str |
Repositório Institucional da UFU |
repository_id_str |
|
spelling |
Avaliação de topologia da rede neural e parâmetros do aprendizado de máquina por reforço para agentes jogadores de videogamesAprendizado de máquina por reforçoAgente jogador de videogameInteligência artificialRedes neurais convolucionaisVisão computacionalCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOReinforcement machine learning has been an important area in the field of artificial intelligence due to its versatility and adaptability in complex settings, without the need of a specialist supervisor. The use of images as input signals makes the intelligent agent similar to how a human being makes decisions, using the image’s rich information. In reinforcement learning with neural networks, performance is highly dependant on the topology of the neural network and several lerarning parameters. Therefore, this aims to develop an intelligent agent for playingt Atari 2600 videogames, while also proposing changes to the topology and reinforcement learning parameters comapred to literature methods. Experimental results were successful in the evolution of the agent in maximizing rewards, which shows the proposed topology and parameters are viable.Trabalho de Conclusão de Curso (Graduação)O aprendizado de máquina por reforço é uma área importante no ramo de inteligência artificial devido a sua versatilidade e adaptabilidade em cenários complexos, sem necessitar de um supervisor especialista. O uso de imagens como sinais de entrada aproxima o agente inteligente da forma em que o ser humano toma decisões, utilizando-se da riqueza de informações da imagem. Em aprendizado por reforço com redes neurais, o desempenho depende muito da topologia da rede neural e de diversos parâmetros do aprendizado. Nesse sentido, este trabalho visa desenvolver um agente inteligente para jogos de Atari 2600 e também propõe alterações de topologia e parâmetros do aprendizado em relação a métodos da literatura. Os resultados experimentais obtidos apresentam sucesso na evolução do agente na maximização das recompensas, mostrando que as topologias e parâmetros propostos são viáveis.Universidade Federal de UberlândiaBrasilSistemas de InformaçãoCarneiro, Murillo Guimarãeshttp://lattes.cnpq.br/8158868389973535Couto, Leandro Nogueirahttp://lattes.cnpq.br/9500586005920379Ribeiro, Thiagohttp://lattes.cnpq.br/8887726177714522Santos, Fernanda Maria da Cunhahttp://lattes.cnpq.br/6802596562404346Rosa, Mateus de Freitas2022-10-10T17:24:56Z2022-10-10T17:24:56Z2022-08-19info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfROSA, Mateus de Freitas. Avaliação de topologia da rede neural e parâmetros do aprendizado de máquina por reforço para agentes jogadores de videogames. 2022. 46 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Uberlândia, 2022.https://repositorio.ufu.br/handle/123456789/36265porhttp://creativecommons.org/licenses/by-nc-nd/3.0/us/info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFUinstname:Universidade Federal de Uberlândia (UFU)instacron:UFU2022-10-11T06:15:52Zoai:repositorio.ufu.br:123456789/36265Repositório InstitucionalONGhttp://repositorio.ufu.br/oai/requestdiinf@dirbi.ufu.bropendoar:2022-10-11T06:15:52Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)false |
dc.title.none.fl_str_mv |
Avaliação de topologia da rede neural e parâmetros do aprendizado de máquina por reforço para agentes jogadores de videogames |
title |
Avaliação de topologia da rede neural e parâmetros do aprendizado de máquina por reforço para agentes jogadores de videogames |
spellingShingle |
Avaliação de topologia da rede neural e parâmetros do aprendizado de máquina por reforço para agentes jogadores de videogames Rosa, Mateus de Freitas Aprendizado de máquina por reforço Agente jogador de videogame Inteligência artificial Redes neurais convolucionais Visão computacional CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
title_short |
Avaliação de topologia da rede neural e parâmetros do aprendizado de máquina por reforço para agentes jogadores de videogames |
title_full |
Avaliação de topologia da rede neural e parâmetros do aprendizado de máquina por reforço para agentes jogadores de videogames |
title_fullStr |
Avaliação de topologia da rede neural e parâmetros do aprendizado de máquina por reforço para agentes jogadores de videogames |
title_full_unstemmed |
Avaliação de topologia da rede neural e parâmetros do aprendizado de máquina por reforço para agentes jogadores de videogames |
title_sort |
Avaliação de topologia da rede neural e parâmetros do aprendizado de máquina por reforço para agentes jogadores de videogames |
author |
Rosa, Mateus de Freitas |
author_facet |
Rosa, Mateus de Freitas |
author_role |
author |
dc.contributor.none.fl_str_mv |
Carneiro, Murillo Guimarães http://lattes.cnpq.br/8158868389973535 Couto, Leandro Nogueira http://lattes.cnpq.br/9500586005920379 Ribeiro, Thiago http://lattes.cnpq.br/8887726177714522 Santos, Fernanda Maria da Cunha http://lattes.cnpq.br/6802596562404346 |
dc.contributor.author.fl_str_mv |
Rosa, Mateus de Freitas |
dc.subject.por.fl_str_mv |
Aprendizado de máquina por reforço Agente jogador de videogame Inteligência artificial Redes neurais convolucionais Visão computacional CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
topic |
Aprendizado de máquina por reforço Agente jogador de videogame Inteligência artificial Redes neurais convolucionais Visão computacional CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
description |
Reinforcement machine learning has been an important area in the field of artificial intelligence due to its versatility and adaptability in complex settings, without the need of a specialist supervisor. The use of images as input signals makes the intelligent agent similar to how a human being makes decisions, using the image’s rich information. In reinforcement learning with neural networks, performance is highly dependant on the topology of the neural network and several lerarning parameters. Therefore, this aims to develop an intelligent agent for playingt Atari 2600 videogames, while also proposing changes to the topology and reinforcement learning parameters comapred to literature methods. Experimental results were successful in the evolution of the agent in maximizing rewards, which shows the proposed topology and parameters are viable. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-10-10T17:24:56Z 2022-10-10T17:24:56Z 2022-08-19 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
ROSA, Mateus de Freitas. Avaliação de topologia da rede neural e parâmetros do aprendizado de máquina por reforço para agentes jogadores de videogames. 2022. 46 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Uberlândia, 2022. https://repositorio.ufu.br/handle/123456789/36265 |
identifier_str_mv |
ROSA, Mateus de Freitas. Avaliação de topologia da rede neural e parâmetros do aprendizado de máquina por reforço para agentes jogadores de videogames. 2022. 46 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Uberlândia, 2022. |
url |
https://repositorio.ufu.br/handle/123456789/36265 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/us/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/us/ |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de Uberlândia Brasil Sistemas de Informação |
publisher.none.fl_str_mv |
Universidade Federal de Uberlândia Brasil Sistemas de Informação |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFU instname:Universidade Federal de Uberlândia (UFU) instacron:UFU |
instname_str |
Universidade Federal de Uberlândia (UFU) |
instacron_str |
UFU |
institution |
UFU |
reponame_str |
Repositório Institucional da UFU |
collection |
Repositório Institucional da UFU |
repository.name.fl_str_mv |
Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU) |
repository.mail.fl_str_mv |
diinf@dirbi.ufu.br |
_version_ |
1813711382163488768 |