Implementasi Q-Learning Yang Dikombinasikan Dengan Convolutional Neural Network Pada Agent Yang Memainkan Permainan Flappy Bird
Total View This Week0
Total View This Week0
Institusion
Universitas Komputer Indonesia
Author
Nugraha, Fajar Abdi
Subject
005_Computer Programming, Programs & Data
Datestamp
2021-09-17 07:21:59
Abstract :
Penelitian. ini .mengimplementasikan Convolutional Neural Network sebagai action-value function approximation untuk memprediksi nilai Q-value pada Q-Learning untuk setiap action dan diterapkan pada agen yang memainkan permainan flappy bird. Penggunaan action-value function approximation bertujuan untuk mengurangi banyaknya jumlah percobaan pada proses eksplorasi dan meningkatkan skor yang didapat agen saat memainkan permainan, karena berdasarkan hasil penelitian sebelumnya yang menggunakan Q-Learning saja dibutuhkan banyak percobaan memainkan permainan pada proses eksplorasi untuk dapat meningkatkan skor yang didapat agen saat memainkan permainan. Tahapan yang terdapat pada sistem terbagi menjadi 2, yaitu eksplorasi dan eksploitasi. Eksplorasi adalah proses pembelajaran agen dalam memainkan permainan, pengetahuan yang telah didapat pada tahap eksplorasi akan digunakan pada tahap eksploitasi. Tahap eksploitasi adalah proses uji coba dari pengetahuan yang telah didapat pada tahap sebelumnya, proses uji coba dilakukan untuk mengetahui sejauh mana kemampuan agen dalam memainkan permainan. Berdasarkan hasil dari penelitian bahwa implementasi.Q-Learning yang dikombinasikan dengan.CNN menunjukan hasil agen dapat menyelesaikan proses eksplorasi dengan rata-rata 2336,6 percobaan dan skor rata-rata yang didapat adalah 575,2 dimana 1 dari 5 percobaan berhasil menyentuh skor 1000.
Penelitian. ini .mengimplementasikan Convolutional Neural Network sebagai action-value function approximation untuk memprediksi nilai Q-value pada Q-Learning untuk setiap action dan diterapkan pada agen yang memainkan permainan flappy bird. Penggunaan action-value function approximation bertujuan untuk mengurangi banyaknya jumlah percobaan pada proses eksplorasi dan meningkatkan skor yang didapat agen saat memainkan permainan, karena berdasarkan hasil penelitian sebelumnya yang menggunakan Q-Learning saja dibutuhkan banyak percobaan memainkan permainan pada proses eksplorasi untuk dapat meningkatkan skor yang didapat agen saat memainkan permainan. Tahapan yang terdapat pada sistem terbagi menjadi 2, yaitu eksplorasi dan eksploitasi. Eksplorasi adalah proses pembelajaran agen dalam memainkan permainan, pengetahuan yang telah didapat pada tahap eksplorasi akan digunakan pada tahap eksploitasi. Tahap eksploitasi adalah proses uji coba dari pengetahuan yang telah didapat pada tahap sebelumnya, proses uji coba dilakukan untuk mengetahui sejauh mana kemampuan agen dalam memainkan permainan. Berdasarkan hasil dari penelitian bahwa implementasi.Q-Learning yang dikombinasikan dengan.CNN menunjukan hasil agen dapat menyelesaikan proses eksplorasi dengan rata-rata 2336,6 percobaan dan skor rata-rata yang didapat adalah 575,2 dimana 1 dari 5 percobaan berhasil menyentuh skor 1000.
File :
UNIKOM_FAJAR ABDI NUGRAHA_COVER.pdf
UNIKOM_FAJAR ABDI NUGRAHA_LEMBAR PENGESAHAN.pdf
UNIKOM_FAJAR ABDI NUGRAHA_BAB 5.pdf
UNIKOM_FAJAR ABDI NUGRAHA_DAFTAR PUSTAKA.pdf
UNIKOM_FAJAR ABDI NUGRAHA_JURNAL DALAM BAHASA INDONESIA.pdf
UNIKOM_FAJAR ABDI NUGRAHA_JURNAL DALAM BAHASA INGGRIS.pdf
UNIKOM_FAJAR ABDI NUGRAHA_BIODATA.pdf
UNIKOM_FAJAR ABDI NUGRAHA_SURAT KETERANGAN PUBLIKASI.pdf
UNIKOM_FAJAR ABDI NUGRAHA_SURAT KETERANGAN ORISINALITAS.pdf
UNIKOM_FAJAR ABDI NUGRAHA_KATA PENGANTAR.pdf
UNIKOM_FAJAR ABDI NUGRAHA_DAFTAR ISI.pdf
UNIKOM_FAJAR ABDI NUGRAHA_BAB 1.pdf
UNIKOM_FAJAR ABDI NUGRAHA_BAB 2.pdf
UNIKOM_FAJAR ABDI NUGRAHA_BAB 3.pdf
UNIKOM_FAJAR ABDI NUGRAHA_BAB 4.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
