Skip to content

Project Work for Machine Learning Course, wich consists in understanding why DeepMind's DQN in not good enough for some Atari 2600 games.

Notifications You must be signed in to change notification settings

maximgx/reinforcement-learning-atari

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

48 Commits
 
 
 
 
 
 

Repository files navigation

Reinforcement Learning Atari

Project Work for Machine Learning Course, wich consists in understanding why DeepMind's DQN in not good enough for some Atari 2600 games.

Abstract

Data la rete neurale Deep Q-Network ideata e implementata da DeepMind, l'obiettivo di questo lavoro di progetto consiste nel comprendere per quale motivo tale agente, in breve DQN, ha ottenuto risultati sotto la soglia delle prestazioni umane su un sottoinsieme del parco giochi Atari 2600. Verrà quindi studiato l'Apprendimento per Rinforzo, l'algoritmo Q-Learning e la sua evoluzione DQN assieme all'architettura delle reti neurali sottostanti; in maniera aggiuntiva, pur non disponendo delle stesse risorse di calcolo, si cercheranno di fare delle prove pratiche in grado di mimare i risultati ottenuti precedentemente, analizzandoli. Infine verrà dato uno sguardo a quali sono state le innovazioni in questo ambito.

Contributors

Maxim Gaina
Bartolomeo Lombardi

About

Project Work for Machine Learning Course, wich consists in understanding why DeepMind's DQN in not good enough for some Atari 2600 games.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published