Koziarski, MichałKwater, KrzysztofWoźniak, Michał2018-10-242018-10-242018Edukacja – Technika – Informatyka nr 2(24)/2018, s. 220–2262080-9069http://repozytorium.ur.edu.pl/handle/item/4025Niniejszy artykuł był prezentowany na konferencji „Osiągnięcia Studenckich Kół Naukowych Uczelni Technicznych – STUKNUT’17”, której celem jest umożliwienie studentom uczestniczącym w działalności kół naukowych prezentacji osiągnięć z zakresu teorii i praktyki z dziedzin związanych z szeroko rozumianą techniką.Algorytmy uczenia się przez wzmacnianie są wykorzystywane do rozwiązywania problemów o stale rosnącym poziomie złożoności. W wyniku tego proces uczenia zyskuje na złożoności i wymaga większej mocy obliczeniowej. Wykorzystanie uczenia z przeniesieniem wiedzy może częściowo ograniczyć ten problem. W artykule wprowadzamy oryginalne środowisko testowe i eksperymentalnie oceniamy wpływ wykorzystania programów uczenia na głęboką odmianę metody Q-learning.Reinforcement learning algorithms are being used to solve problems with ever-increasing level of complexity. As a consequence, training process becomes harder and more computationally demanding. Using transfer learning can partially elevate this issue by taking advantage of previously acquired knowledge. In this paper we propose a novel test environment and experimentally evaluate impact of using curriculum with deep Q-learning algorithm.polAttribution-NonCommercial-NoDerivatives 4.0 Międzynarodowehttp://creativecommons.org/licenses/by-nc-nd/4.0/głębokie uczenie przez wzmacnianieuczenie przez transferuczenie się przez całe życieproces uczeniadeep reinforcement learningtransfer learninglifelong learningcurriculum learningWykorzystywanie programów uczenia w głębokim uczeniu przez wzmacnianie. O istocie rozpoczynania od rzeczy małychUsing Training Curriculum with Deep Reinforcement Learning. On the Importance of Starting Smallarticle10.15584/eti.2018.2.302450-9221