Χρήση βαθιάς ενισχυτικής μάθησης για την επίλυση του Rubik’s Cube

Σταυρουλάκης, Στυλιανός - Ανδρέας; Stavroulakis, Stylianos - Andreas

dc.contributor.author	Σταυρουλάκης, Στυλιανός - Ανδρέας	el
dc.contributor.author	Stavroulakis, Stylianos - Andreas	en
dc.date.accessioned	2020-04-13T13:18:57Z
dc.date.available	2020-04-13T13:18:57Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/50132
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.17830
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-sa/3.0/gr/	*
dc.subject	Βαθιά ενισχυτική μάθηση	el
dc.subject	Αυτοδιδασκόμενη επανάληψη	el
dc.subject	Αναζήτηση	el
dc.subject	Μόντε Κάρλο	el
dc.subject	Νευρωνικά δίκτυα	el
dc.subject	Κύβος Ρούμπικ	el
dc.title	Χρήση βαθιάς ενισχυτικής μάθησης για την επίλυση του Rubik’s Cube	el
heal.type	bachelorThesis
heal.classification	Reinforcement learning	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2019-07-12
heal.abstract	Ένας από τους κλάδους της μηχανικής μάθησης, ο οποίος παρουσιάζει μεγάλη πρόοδο τα τελευταία χρόνια, είναι η βαθιά ενισχυτική μάθηση. Προγράμματα που στοχεύουν στη μεγιστοποίηση κάποιας σωρευτικής ανταμοιβής αποδεικνύονται ελπιδοφόρα στην προσπάθεια να επεκταθεί το εύρος των επιλύσιμων προβλημάτων μεγάλης πολυπλοκότητας. Ωστόσο, το εκάστοτε περιβάλλον με το οποίο αλληλεπιδρά κάποιος πράκτορας βαθιάς ενισχυτικής μάθησης, ενδέχεται να περιέχει μια ευρύτερη ποικιλία πιθανών σημάτων ανταμοιβής κατά την εκπαίδευση. Ένα παράδειγμα συνδυαστικού προβλήματος με αραιές ανταμοιβές αποτελεί και ο φημισμένος κύβος του Ρούμπικ. Η αντιμετώπιση των αραιών ανταμοιβών καθώς και το γεγονός ότι δεν υπάρχει εγγύηση τερματισμού του προβλήματος, είναι μια από τις μεγαλύτερες προκλήσεις στην βαθιά ενισχυτική μάθηση. Στόχος της διπλωματικής εργασίας είναι η εισαγωγή της έννοιας της εντροπίας του κύβου του Ρούμπικ, και η μερική χρήση του σαν οδηγό από έναν πράκτορα, ο οποίος χρησιμοποιεί έναν αλγόριθμο αυτοδιδασκόμενης επανάληψης κατά την εκπαίδευση του, με απώτερο σκοπό την αποδοτικότερη λύση του κύβου.	el
heal.advisorName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.committeeMemberName	Στάμου, Γιώργος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Συστημάτων Μετάδοσης Πληροφορίας και Τεχνολογίας Υλικών. Εργαστήριο Ευφυών Επικοινωνιών και Δικτύων Ευρείας Ζώνης	el
heal.academicPublisherID	ntua
heal.numberOfPages	97 σ.
heal.fullTextAvailability	true