Poticano učenje te njegova primjena u modeliranju igrača za računalnu igru Doom

Vuk, Ilija

prikaz prve stranice dokumenta Poticano učenje te njegova primjena u modeliranju igrača za računalnu igru Doom

Download
PDF 1.64 MB

master's thesis

Poticano učenje te njegova primjena u modeliranju igrača za računalnu igru Doom

Varaždin: University of Zagreb, Faculty of Organization and Informatics, 2023. urn:nbn:hr:211:408801

Vuk, Ilija

University of Zagreb
Faculty of Organization and Informatics
Department of Theoretical and Applied Foundations of Information Sciences

Cite this document

APA 6th Edition

Vuk, I. (2023). Poticano učenje te njegova primjena u modeliranju igrača za računalnu igru Doom (Master's thesis). Varaždin: University of Zagreb, Faculty of Organization and Informatics. Retrieved from https://urn.nsk.hr/urn:nbn:hr:211:408801

MLA 8th Edition

Vuk, Ilija. "Poticano učenje te njegova primjena u modeliranju igrača za računalnu igru Doom." Master's thesis, University of Zagreb, Faculty of Organization and Informatics, 2023. https://urn.nsk.hr/urn:nbn:hr:211:408801

Chicago 17th Edition

Vuk, Ilija. "Poticano učenje te njegova primjena u modeliranju igrača za računalnu igru Doom." Master's thesis, University of Zagreb, Faculty of Organization and Informatics, 2023. https://urn.nsk.hr/urn:nbn:hr:211:408801

Harvard

Vuk, I. (2023). 'Poticano učenje te njegova primjena u modeliranju igrača za računalnu igru Doom', Master's thesis, University of Zagreb, Faculty of Organization and Informatics, accessed 24 March 2025, https://urn.nsk.hr/urn:nbn:hr:211:408801

Vancouver

Vuk I. Poticano učenje te njegova primjena u modeliranju igrača za računalnu igru Doom [Master's thesis]. Varaždin: University of Zagreb, Faculty of Organization and Informatics; 2023 [cited 2025 March 24] Available at: https://urn.nsk.hr/urn:nbn:hr:211:408801

IEEE

I. Vuk, "Poticano učenje te njegova primjena u modeliranju igrača za računalnu igru Doom", Master's thesis, University of Zagreb, Faculty of Organization and Informatics, Varaždin, 2023. Available at: https://urn.nsk.hr/urn:nbn:hr:211:408801

Cite this item: https://urn.nsk.hr/urn:nbn:hr:211:408801

Please login to the repository to save this object to your list.

Metadata

Title	Poticano učenje te njegova primjena u modeliranju igrača za računalnu igru Doom
Title (english)	Reinforcement Learning with Application to Modelling a Doom Video Game Player
Author	Ilija Vuk
Mentor	Bogdan Okreša Đurić (mentor) MBZ: 367114
Committee member	Markus Schatten (član povjerenstva) MBZ: 291806
Granter	University of Zagreb Faculty of Organization and Informatics (Department of Theoretical and Applied Foundations of Information Sciences) Varaždin
Defense date and country	2023-09-25, Croatia
Scientific / art field, discipline and subdiscipline	SOCIAL SCIENCES Information and Communication Sciences Organization and Informatics
Abstract	U ovom radu obrađena je tema poticanog učenja te implementacija metode na konkretnom primjeru. Algoritam je implementiran na videoigri "DOOM", popularnoj pucačini iz prvog lica. Rad pruža teoretsku podlogu potrebnu za shvaćanje same problematike, ali i detaljan prikaz implementacije algoritma kroz isječke koda i njihov opis. Implementacija je izvedena u Python programskom jeziku, a korištene su i razne Python biblioteke kao što su Gym, Stable Baselines3 te Numpy. Praktični dio sastoji se od nekoliko dijelova te uključuje kreiranje klasa za upravljanje samom igrom i procesom učenja. Također je korištena vlastita implementacija konvolucijske neuronske mreže koja pojedinu sliku igre obrađuje te pronalazi uzorke u ulaznim podatcima.
Keywords
Language	croatian
URN:NBN	urn:nbn:hr:211:408801
Study programme	Title: Information and Programming Engineering Study programme type: university Study level: graduate Academic / professional title: magistar/magistra informatike (magistar/magistra informatike)
Type of resource	Text
File origin	Born digital
Access conditions	Open access
Terms of use
Repository	Faculty of Organization and Informatics - Digital Repository
Created on	2023-10-02 04:08:44