<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=129594"><dc:title>Medmrežno merilno okolje za večagentno spodbujevalno učenje</dc:title><dc:creator>Puc,	Jernej	(Avtor)
	</dc:creator><dc:creator>Sadikov,	Aleksander	(Mentor)
	</dc:creator><dc:subject>simulacijsko okolje</dc:subject><dc:subject>večagentni sistem</dc:subject><dc:subject>večigralske igre</dc:subject><dc:subject>medmrežne igre</dc:subject><dc:subject>razvoj iger</dc:subject><dc:subject>umetna inteligenca</dc:subject><dc:subject>umetne nevronske mreže</dc:subject><dc:subject>globoko učenje</dc:subject><dc:subject>posnemovalno učenje</dc:subject><dc:subject>spodbujevalno učenje</dc:subject><dc:subject>samo-igranje</dc:subject><dc:description>Zmožnost delovanja (in zmagovanja) v igrah se pri umetni inteligenci pogosto uporablja kot pokazatelj oz. merilo splošnejše sposobnosti. S stopnjevanjem izzivov pa so zaradi tehničnih ovir odmevni podvigi primorani sklepati kompromise - vmesniki simulacijskih okolij so lahko za umetne agente neskladno prirejeni, kar vzbuja negotovosti v primerjavah z ljudmi. Pregled izbranih del na področju globokega spodbujevalnega učenja v realnočasnih strateških igrah poudarja potrebo po novem merilnem okolju, ki z omogočanjem enakovrednejših vmesnikov bolje izpostavlja vlogo strateških elementov in je hkrati primerno za poskuse na porazdeljenih sistemih. Slednje je izvedeno kot skupinska tekmovalna igra, v opisu katere se obravnavajo določeni tehnični in teoretični problemi na primerih posnemovalnega in spodbujevalnega učenja.</dc:description><dc:date>2021</dc:date><dc:date>2021-09-05 08:15:02</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>129594</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>