Sökning: "Markov Game"

Visar resultat 1 - 5 av 8 uppsatser innehållade orden Markov Game.

  1. 1. Not All Goals Are Created Equal : Evaluating Hockey Players in the NHL Using Q-Learning with a Contextual Reward Function

    Master-uppsats, Linköpings universitet/Databas och informationsteknik

    Författare :Jon Vik; [2021]
    Nyckelord :Sports Analytics; Markov Game; Machine Learning; Reinforcement Learning; Q-Learning; Data Mining; National Hockey League; Ice Hockey; Reward Function; Player Evaluation;

    Sammanfattning : Not all goals in the game of ice hockey are created equal: some goals increase the chances of winning more than others. This thesis investigates the result of constructing and using a reward function that takes this fact into consideration, instead of the common binary reward function. LÄS MER

  2. 2. Deep Reinforcement Learning in Cart Pole and Pong

    Kandidat-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS); KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Dennis Kuurne Uussilta; Viktor Olsson; [2020]
    Nyckelord :Artificial Intelligence; Machine Learning; Rein-forcement Learning; Deep Q-learning Network; CartPole; Pong;

    Sammanfattning : In this project, we aim to reproduce previous resultsachieved with Deep Reinforcement Learning. We present theMarkov Decision Process model as well as the algorithms Q-learning and Deep Q-learning Network (DQN). We implement aDQN agent, first in an environment called CartPole, and later inthe game Pong. LÄS MER

  3. 3. Att spela 'Breakout' med hjälp av 'Deep Q-Learning'

    Kandidat-uppsats, KTH/Skolan för teknikvetenskap (SCI); KTH/Skolan för teknikvetenskap (SCI)

    Författare :Gabriel Andersson; Martti Yap; [2019]
    Nyckelord :;

    Sammanfattning : I denna rapport implementerar vi en reinforcement learning (RL) algoritm som lär sig spela Breakout på 'Atari Learning Environment'. Den dator drivna spelaren (Agenten) har tillgång till samma information som en mänsklig spelare och vet inget om spelet och dess regler på förhand. LÄS MER

  4. 4. Designförslag på belöningsfunktioner för självkörande bilar i TORCS som inte krockar

    Kandidat-uppsats, Högskolan i Borås/Akademin för bibliotek, information, pedagogik och IT; Högskolan i Borås/Akademin för bibliotek, information, pedagogik och IT

    Författare :Björn Andersson; Felix Eriksson; [2018]
    Nyckelord :Machine learning; neural networks; self-driving cars; self-driving agent; reward function; Markov Decision Process; TORCS; maskininlärning; neurala nätverk; självkörande-bil; självkörande-agent; belöningsfunktioner; Markov Decision Process; TORCS;

    Sammanfattning : Den här studien använder sig av TORCS (The Open Racing Car Simulator) som är ett intressant spel att skapa självkörande bilar i då det finns nitton olika typer av sensorer som beskriver omgivningen för agenten. Problemet för denna studie har varit att identifiera vilka av alla dessa sensorer som kan användas i en belöningsfunktion och hur denna sedan skall implementeras. LÄS MER

  5. 5. Swedish Sign Language Skills Training and Assessment

    Master-uppsats, KTH/Skolan för datavetenskap och kommunikation (CSC)

    Författare :Dani Potrus; [2017]
    Nyckelord :Sign language; Sign language recognition; Video game; Efficiency; Sign language assessment; Experimental design; Statistical testing; Statistical evaluation; Teckenspråk; Igenkänning av Svenskt teckenspråk; Teckenspråks tv spel; Effektivitet; Teckenspråklig bedömning; Experimentell design; Statistisk testning; Statistisk utvärdering;

    Sammanfattning : Sign language is used widely around the world as a first language for those that are unable to use spoken language and by groups of people that have a disability which precludes them from using spoken language (such as a hearing impairment). The importance of effective learning of sign language and its applications in modern computer science has grown widely in the modern aged society and research around sign language recognition has sprouted in many different directions, some examples using hidden markov models (HMMs) to train models to recognize different sign language patterns (Swedish sign language, American sign language, Korean sign language, German sign language and so on). LÄS MER