Використання асинхронних методів для підвищення ефективності Reinforcement Learning

Рубанов, Є. О.

Публікація:
Використання асинхронних методів для підвищення ефективності Reinforcement Learning

dc.contributor.author	Рубанов, Є. О.
dc.date.accessioned	2025-10-07T06:26:25Z
dc.date.available	2025-10-07T06:26:25Z
dc.date.issued	2025
dc.description.abstract	Метою роботи є дослідження ефективності, масштабованості та стабільності асинхронних actor-critic алгоритмів на прикладі A3C у порівнянні з іншими класичними алгоритмами навчання з підкріпленням. У результаті дослідження доведено, що алгоритм A3C забезпечує вищу ефективність та стабільність у порівнянні з одно- та багатокроковими методами на основі Q-learning і SARSA; новизна полягає у повноцінному порівнянні асинхронних підходів при змінній кількості потоків і різних умовах середовища. Результати роботи можуть бути використані при розробці адаптивних агентів у сфері автономного керування, симуляцій, ігрового AI та робототехніки. Запропоновані методики масштабованого асинхронного навчання можуть слугувати основою для створення ефективних рішень у ресурсно обмежених обчислювальних умовах.
dc.identifier.citation	Рубанов Є. О. Використання асинхронних методів для підвищення ефективності Reinforcement Learning : пояснювальна записка до кваліфікаційної роботи здобувача вищої освіти на першому (бакалаврському) рівні, спеціальність 122 Комп’ютерні науки / Є. О. Рубанов ; М-во освіти і науки України, Харків. нац. ун-т радіоелектроніки. – Харків, 2025. – 89 с.
dc.identifier.uri	https://openarchive.nure.ua/handle/document/32923
dc.language.iso	uk
dc.subject	актор-критик
dc.subject	асинхронність
dc.subject	глибинне навчання
dc.subject	навчання з підкріпленням
dc.title	Використання асинхронних методів для підвищення ефективності Reinforcement Learning
dc.type	Other
dspace.entity.type	Publication