Avaliação de topologia da rede neural e parâmetros do aprendizado de máquina por reforço para agentes jogadores de videogames

Detalhes bibliográficos
Autor(a) principal: Rosa, Mateus de Freitas
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_ 1805569603339812864

Registros relacionados