Year: 2026
Type: dissertation
Abstract: Táto diplomová práca predstavuje účelovo navrhnuté prostredie GridMazeWorld, vytvorené na konfrontáciu agentov posilňovaného učenia s viacerými vzájomne prepojenými pamäťovými nárokmi pri čiastočnej pozorovateľnosti. Prostredie kombinuje procedurálne generované bludiská, nelokálne závislosti medzi tlačidlami a dverami, periodickú dynamiku, obnovujúce sa zdroje a energetický rozpočet, čím si vyžaduje súčasné využívanie priestorovej, sekvenčnej a relačnej pamäte. Popri komplexnom prehľade benchmarkov a mechanizmov zameraných na pamäť implementujem a porovnávam rekurentné architektúry (LSTM) a architektúry založené na pozornosti (Transformer) v rámci kontrolovaného tréningu s riadením kurikula. Moja empirická štúdia skúma vplyv voľby hyperparametrov, škálovania sietí, veľkosti mriežky a návrhu kurikula na schopnosť agentov vytvárať a využívať internú pamäť, pričom ponúka systematickú analýzu pamäte v posilňovanom učení pri čiastočnej pozorovateľnosti.
Author: Kuchta, Samuel
Language: English
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7166409973