dc.contributorCarneiro, Murillo Guimarães
dc.contributorhttp://lattes.cnpq.br/8158868389973535
dc.contributorCouto, Leandro Nogueira
dc.contributorhttp://lattes.cnpq.br/9500586005920379
dc.contributorRibeiro, Thiago
dc.contributorhttp://lattes.cnpq.br/8887726177714522
dc.contributorSantos, Fernanda Maria da Cunha
dc.contributorhttp://lattes.cnpq.br/6802596562404346
dc.creatorRosa, Mateus de Freitas
dc.date2022-10-10T17:24:56Z
dc.date2022-10-10T17:24:56Z
dc.date2022-08-19
dc.date.accessioned2023-09-28T20:28:26Z
dc.date.available2023-09-28T20:28:26Z
dc.identifierROSA, 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.
dc.identifierhttps://repositorio.ufu.br/handle/123456789/36265
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/9051713
dc.descriptionReinforcement 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.
dc.descriptionTrabalho de Conclusão de Curso (Graduação)
dc.descriptionO 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.
dc.formatapplication/pdf
dc.languagepor
dc.publisherUniversidade Federal de Uberlândia
dc.publisherBrasil
dc.publisherSistemas de Informação
dc.rightsAcesso Aberto
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/us/
dc.subjectAprendizado de máquina por reforço
dc.subjectAgente jogador de videogame
dc.subjectInteligência artificial
dc.subjectRedes neurais convolucionais
dc.subjectVisão computacional
dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
dc.titleAvaliação de topologia da rede neural e parâmetros do aprendizado de máquina por reforço para agentes jogadores de videogames
dc.typeTrabalho de Conclusão de Curso


Este ítem pertenece a la siguiente institución