Порівняльний аналіз алгоритмів навчання з підкріпленням для задачі навчання агента у динамічному 2D середовищі

Скорочена інформація про документ
dc.contributor.authorТавров, Д. Ю.
dc.contributor.authorЗінюк, С. О.
dc.date.accessioned2024-12-23T10:28:35Z
dc.date.available2024-12-23T10:28:35Z
dc.date.issued2024
dc.description.abstractotherThe work examines the application of two reinforcement learning algorithms — DQN and Thompson Sampling — for training an agent in a dynamic 2D environment represented as a game. It highlights specific features of each algorithm, including their ability to handle different state and action spaces, to account for uncertainty, and to effectively explore the environment. Applicability of these algorithms to the given task is compared, paving the way for further practical research.
dc.format.pagerangeС. 340-345
dc.identifier.citationТавров, Д. Ю. Порівняльний аналіз алгоритмів навчання з підкріпленням для задачі навчання агента у динамічному 2D середовищі / Тавров Д. Ю., Зінюк С. О. // Прикладна математика та комп’ютинг ПМК' 2024 : збірник тез доповідей Сімнадцятої конференції магістрантів та аспірантів (20-22 листопада 2024 р. Київ, Україна). – Київ, 2024. – С. 340-345.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/71254
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.sourceПрикладна математика та комп’ютинг ПМК' 2024 : збірник тез доповідей Сімнадцятої конференції магістрантів та аспірантів (20-22 листопада 2024 р. Київ, Україна)
dc.subject.udc004.8:519.2
dc.titleПорівняльний аналіз алгоритмів навчання з підкріпленням для задачі навчання агента у динамічному 2D середовищі
dc.title.alternativeComparative analysis of reinforcement learning algorithms for the task of training an agent in a dynamic 2D environment
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
63-P_340-345.docx
Розмір:
147.35 KB
Формат:
Microsoft Word XML
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Матеріали конференції