METODY SZTUCZNEJ INTELIGENCJI 2 Opis projektu
|
|
- Bartosz Karczewski
- 8 lat temu
- Przeglądów:
Transkrypt
1 Kamil Figura Krzysztof Kaliński Bartek Kutera METODY SZTUCZNEJ INTELIGENCJI 2 Opis projektu Porównanie metod uczenia z rodziny TD z algorytmem Layered Learning na przykładzie gry w warcaby i gry w anty-warcaby
2 Spis treści 1. Wstęp Opis ogólny Opis funkcji oceny stanu gry Algorytmy Uczenie metodą TD Uczenie metodą LL Porównanie Użyte technologie Planowany podział prac Bibliografia
3 1. Wstęp Celem niniejszej pracy jest porównanie algorytmów Temporal Differential oraz Layered Learning na przykładzie gry warcaby oraz anty-warcaby. Implementując aplikację stworzymy sieć neuronową, która będzie się uczyła wykorzystując te algorytmy. Następnie przeprowadzimy fazę testów w celu porównania tych metod uczenia. Gra w anty-warcaby ma takie same zasady, z tym że celem jest stracenie jak największej liczby pionków. W projekcie przyjmujemy rozgrywkę w warcaby klasyczne: Plansza ma rozmiar 8x8 Dama porusza się o wiele pól Istnieje obowiązek bicia dowolnego pionka W wypadku, gdy istnieje wybór pomiędzy zbiciem różnych ilości warcab przeciwnika, to obowiązkowe jest bicie większej ilości warcab Jeżeli pionek w czasie bicia przechodzi przez jedno z pól przemiany i kontynuuje bicie, to nie zamienia się w damkę i nadal pozostaje pionkiem Zdecydowaliśmy się na ten wybór ze względu na liczbę dostępnych rozegranych partii. 2. Opis ogólny Algorytmy mają za zadanie w ten sposób nauczyć sieć, aby wykonywały ruchy jak najlepsze. Do nauki będziemy używać zbiorów rozgrywek z różnych turniejów pobranych z Internetu. Będziemy rozgrywać naprzemiennie różne turnieje. Nauka sieci będzie podlegała zależności 7:3. 70% będzie zbiorem uczącym a 30% zbiorem walidacyjnym. Proces uczenia zostanie zatrzymany, gdy jeden z warunków zostanie spełniony: Zostanie przekroczony próg iteracji równy 1000/3000/5000 (może ulec zmianie). Podział będzie służył porównania efektywności uczenia się algorytmów. Błąd zbioru walidacyjnego będzie mały i utrzymywał się w danym przedziale. 3
4 Dla gry anty-warcaby będziemy robić analogicznie, zamieniając jedynie cel gry (najgorszy ruch będzie wówczas dla nas najkorzystniejszy i odwrotnie). Sieć neuronowa w naszym projekcie będzie posiadała trzy warstwy (jedna warstwa ukryta) i będzie jednokierunkowa. Wielkość warstwy ukrytej będzie zależna od naszych testów przeprowadzonych w trakcie implementacji. Wejście i wyjście dla każdego algorytmu będzie takie samo: Wejście będzie składało się z: 32 pola oznaczające: o 2 - na polu znajduje się nasza damka o 1 - na polu znajduje się nasz pionek o 0 - pole jest puste o -1 - na polu znajduje się pionek przeciwnika o -2 - na polu znajduje się damka przeciwnika 33 pole - różnica pomiędzy ilością pionków 34 pole - różnica pomiędzy ilością damek 35 pole - różnica w ilości możliwych ruchów Powyższe wejścia mogą ulec zmianie podczas testów. Wyjście będzie tylko jedno w przedziale <-100,100> przegrana 0 - remis wygrana 3. Opis funkcji oceny stanu gry Dla naszych algorytmów będziemy używać funkcji oceny stanu gry o postaci: P(s,w): jeśli s jest wygraną jeśli s jest przegraną 4
5 0 - jeśli jest remis V(s,w) - dla wszystkich innych s V(s,w) jest funkcją oceny stanu gry, gdzie x 1..x n jest wektorem stanu gry zawierający zmapowanie stanów do wartości liczbowych. Natomiast w 1,..,w n są prawdziwymi współczynnikami. Parametr a wynosi 0.99, żeby zagwarantować, że V(s,w) znajduje się w przedziale (-99,+99), b jest równy żeby zapobiec V(s,w) przed zbyt szybkim wzrostem. Wartość tego parametru może w trakcie implementacji zostać zmieniona. Tanh został użyty jedynie z powodów technicznych w celu ograniczenia możliwych wartości funkcji przez (MIN;MAX). 4. Algorytmy 4.1 Uczenie metodą TD Algorytm TD ma na celu dobranie wag w 1,...,w n w takim sposób aby gra przebiegała w jak najlepszy sposób. Algorytm TD modyfikuje funkcję oceny stanu gry. W czasie t wagi wektora (delta)w t są obliczane z poniższego równania: gdzie alpha przyjmuje wartości od (0,1) i jest parametrem nauki skokowej. Drugi komponent jest równy: i reprezentuje różnice czasową w stanach wartości. Ostatni komponent e t (parametr kwalifikowalności, obliczany rekursywnie) 5
6 zachowuje historię cech poprzednich stanów. Elementy tego wektora zanikają wykładniczo proporcjonalnie do parametru rozkładu Cechy w parametrze e t są uważane za znaczące podczas przeprowadzania zmian wagowych w czasie t. Parametr ten jest też ważny podczas wzmacnianego uczenia, które polega na przypisywaniu większego znaczenia akcjom w przeszłości. Wstępnie w implementacji zostaną przyjęte następujące parametry: = 0.01 = 0.5 = 1 r t = 0 Podczas testów będą one zmieniane i będzie badany ich wpływ na naukę sieci. Uaktualnianie wag będzie wykonywane po ukończeniu danej partii (off-line TD()). 4.2 Uczenie metodą LL Algorytm opisujący tworzenie funkcji ewaluacji gry dla dwóch osób. Umożliwia stopniowe, rozwojowe opisywanie drzewa gry, dzięki czemu można ocenić, który ruch w grze da lepszą pozycję. Sprawdzamy poprawność naszej oceny ruchu, poprzez użycie jej w heurystyce do przykładowych gier. Algorytm jest autorstwa Jacka Mańdziuka i Karola Walędzika. LL(Layered Learning) wykorzystuje algorytm MiniMax do tworzenia oszacowania od dołu. Zaczynamy od podziału drzewa gry na rozłączne elementy przedstawiające końcowe fazy gry. Ocena, czy faza jest końcowa, w przypadku warcabów i antywarcabów, może zostać dokonana między innymi na podstawie ilości wykonanych ruchów lub też ilości pionków pozostałych na planszy. Końcowe sekcje drzewa są analizowane za pomocą algorytmu min-max, wykorzystującym algorytm redukujący alfa-beta, którego użycie ma na celu poprawę wydajności. 6
7 Ocena faz końcowych przy pomocy algorytmu Min-Max pozwala na wytrenowanie sieci neuronowych tak, aby mogły one uzyskać prawidłowe wyniki końca gry. Mając wyniki faz końcowych przechodzimy do wcześniejszych etapów. Według przedstawionego powyżej obrazka, przechodzimy odpowiednio do Phase 1, Phase 2 itd. Modyfikujemy w nich naszą sieć neuronową tak, aby umożliwiała uzyskanie wyników otrzymanych w poprzednich fazach. Wybieramy też poddrzewa analizowane metodą Min-Max, które dają materiał treningowy oraz testujący sieć neuronową. Porównujemy, czy wyniki uzyskane z wcześniej obliczonych faz są równe wynikom algorytmu Min-Max. Jeżeli nie, sieć neuronowa jest aktualizowana metodą propagacji wstecznej. Etap za etapem rozwijamy sieć, aż nie osiągniemy momentu początku gry. Napotkane problemy: Istnieje ryzyko, że utworzona przez nas sieć neuronowa będzie tracić wcześniej zdobyte informacje. Gry, które wcześniej były dobrze rozgrywane, w późniejszych 7
8 fazach nauki będą rozwiązywane gorzej. Aby tego uniknąć w kolejnych fazach rozwoju sieci będą przerabiane scenariusze wcześniejszych gier. Jako, że w grze istnieje mnogość stylów, aby umożliwić udaną grę przeciwko szerokiej gamie przeciwników należy przystosować sieć neuronową do jak największej ilości sytuacji. Najprostszym sposobem jest trenowanie na losowo wygenerowanych scenariuszach, aż do osiągnięcia wysokiej skuteczności. Takie podejście, nie gwarantuje dobrego wyniku przy konfrontacji z realnym, inteligentnym przeciwnikiem. Dlatego też wykorzystane zostaną zbiory gier pobrane z Internetu. 5. Porównanie W celu porównania obu tych algorytmów przeprowadzimy turniej, w którym z każdej ze stron będą grały przeciwko sobie oba, nauczone już algorytmy. Przeprowadzimy 10 rozgrywek, w których naprzemiennie będą zaczynać grę konkurujące algorytmy (5 razy zacznie TD i 5 razy LL). W grze możliwe są trzy stany końcowe: wygrana, porażka oraz remis. Gra będzie kończyć się remisem, jeżeli któryś z graczy wykona 15 ruchów z rzędu damką nie zbijając przy tym żadnego pionka przeciwnika. Analogicznie zrobimy dla gry anty-warcaby. Zostaną przeprowadzone trzy niezależne turnieje - różniące się jedynie wielkością zbioru uczącego. W turnieju porównamy metody uczenia się które przebiegały na tym samym zbiorze uczącym w celu wyeliminowania niepotrzebnych czynników losowości. Ten algorytm, który lepiej się spisze we wszystkich tych turniejach zostanie uznany przez nas za efektywniejszy. 6. Użyte technologie Aplikacja będzie napisana w języku C# i będzie testowana pod systemem Windows 7. Wyniki poszczególnych partii będą zapisywane w pliku.csv, a później używając programów statystycznych (np. R) zostaną wyciągnięte wnioski. Interfejs graficzny będzie użyty w oparciu o Windows Forms. 8
9 7. Planowany podział prac Implementacja sieci neuronowej - Krzysztof Kaliński, Kamil Figura Napisanie algorytmu TD - Krzysztof Kaliński Napisanie algorytmu Layered Learning Bartek Kutera Napisanie aplikacji testowej wraz z graficznym interfejsem Kamil Figura Analiza wyników i sporządzenie wykresów wszyscy 8. Bibliografia
Alfa-beta Ulepszenie minimax Liczba wierzchołk ow w drzewie gry. maksymalnie wd. minimalnie wbd/2c + wdd/2e Algorytmy przeszukiwania drzewa gry 5
Zastosowanie metody Samuela doboru współczynników funkcji oceniajacej w programie grajacym w anty-warcaby Daniel Osman promotor: dr hab. inż. Jacek Mańdziuk 1 Spis treści Algorytmy przeszukiwania drzewa
Bardziej szczegółowoSztuczna Inteligencja Tematy projektów Sieci Neuronowe
PB, 2009 2010 Sztuczna Inteligencja Tematy projektów Sieci Neuronowe Projekt 1 Stwórz projekt implementujący jednokierunkową sztuczną neuronową złożoną z neuronów typu sigmoidalnego z algorytmem uczenia
Bardziej szczegółowoInteligentne systemy decyzyjne: Uczenie maszynowe sztuczne sieci neuronowe
Inteligentne systemy decyzyjne: Uczenie maszynowe sztuczne sieci neuronowe Trening jednokierunkowych sieci neuronowych wykład 2. dr inż. PawełŻwan Katedra Systemów Multimedialnych Politechnika Gdańska
Bardziej szczegółowoPropozycje tematów zadań
Propozycje tematów zadań 1. WARCABY Opracować program do gry w warcaby dla dwu graczy. Program ma umożliwiać przesuwanie kursora na zmianę po polach białych lub czarnych, wskazywanie początku końca ruchu.
Bardziej szczegółowoDokumentacja Końcowa
Metody Sztucznej Inteligencji 2 Projekt Prognozowanie kierunku ruchu indeksów giełdowych na podstawie danych historycznych. Dokumentacja Końcowa Autorzy: Robert Wojciechowski Michał Denkiewicz Wstęp Celem
Bardziej szczegółowoProjekt Sieci neuronowe
Projekt Sieci neuronowe Chmielecka Katarzyna Gr. 9 IiE 1. Problem i dane Sieć neuronowa miała za zadanie nauczyć się klasyfikować wnioski kredytowe. W projekcie wykorzystano dane pochodzące z 110 wniosków
Bardziej szczegółowoAlgorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta
Algorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta www.michalbereta.pl Sieci radialne zawsze posiadają jedną warstwę ukrytą, która składa się z neuronów radialnych. Warstwa wyjściowa składa
Bardziej szczegółowo3. MINIMAX. Rysunek 1: Drzewo obrazujące przebieg gry.
3. MINIMAX. Bardzo wygodną strukturą danych pozwalającą reprezentować stan i przebieg gry (szczególnie gier dwuosobowych) jest drzewo. Węzły drzewa reprezentują stan gry po wykonaniu ruchu przez jednego
Bardziej szczegółowoIMPLEMENTACJA SIECI NEURONOWYCH MLP Z WALIDACJĄ KRZYŻOWĄ
IMPLEMENTACJA SIECI NEURONOWYCH MLP Z WALIDACJĄ KRZYŻOWĄ Celem ćwiczenia jest zapoznanie się ze sposobem działania sieci neuronowych typu MLP (multi-layer perceptron) uczonych nadzorowaną (z nauczycielem,
Bardziej szczegółowoDokumentacja projektu Makao karciana gra sieciowa
Dokumentacja projektu Makao karciana gra sieciowa 1 Spis treści Specyfikacja wymagań...3 Diagram przypadków użycia...4 Scenariusze...5 Diagramy sekwencji...6 Diagram modelu domeny...8 Projekt graficznego
Bardziej szczegółowoZastosowania sieci neuronowych
Zastosowania sieci neuronowych aproksymacja LABORKA Piotr Ciskowski zadanie 1. aproksymacja funkcji odległość punktów źródło: Żurada i in. Sztuczne sieci neuronowe, przykład 4.4, str. 137 Naucz sieć taką
Bardziej szczegółowoSzachy INSTRUKCJA. rekwizyty: 1) Bierki - 32 szt. 2) plansza - 1 szt.
INSTRUKCJA Szachy rekwizyty: 1) Bierki - 32 szt. 2) plansza - 1 szt. Partia szachowa jest rozgrywana między dwoma przeciwnikami, którzy wykonują posunięcia bierkami na kwadratowej tablicy, zwanej szachownicą.
Bardziej szczegółowoSieć przesyłająca żetony CP (counter propagation)
Sieci neuropodobne IX, specyficzne architektury 1 Sieć przesyłająca żetony CP (counter propagation) warstwa Kohonena: wektory wejściowe są unormowane jednostki mają unormowane wektory wag jednostki są
Bardziej szczegółowoSZACHY mini INSTRUKCJA. rekwizyty: 1) Bierki - 32 szt. 2) plansza - 1 szt.
INSTRUKCJA SZACHY mini rekwizyty: 1) Bierki - 32 szt. 2) plansza - 1 szt. Partia szachowa jest rozgrywana między dwoma przeciwnikami, którzy wykonują posunięcia bierkami na kwadratowej tablicy, zwanej
Bardziej szczegółowoREGULAMIN I MIĘDZYKLASOWEGO TURNIEJU W SCRABBLE 2016/2017
REGULAMIN I MIĘDZYKLASOWEGO TURNIEJU W SCRABBLE 2016/2017 1. Organizatorem turnieju jest Gimnazjum im. J. Piłsudskiego w Sierakowicach. 2. Turniej jest adresowany do wszystkich uczniów (kl. I, II, III)
Bardziej szczegółowoTemat: Sztuczne Sieci Neuronowe. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE
Temat: Sztuczne Sieci Neuronowe Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1 Wprowadzenie Sztuczne sieci neuronowe
Bardziej szczegółowoSzkolny Instruktor Warcabowy
Szkolny Instruktor Warcabowy Kandydatka/kandydat do tytułu Szkolny Instruktor Warcabowy Nazwisko Imię Data urodzenia Email Adres wraz z kodem pocztowym Szkoła: Przygotowanie pedagogiczne: Przyjmuję do
Bardziej szczegółowoDodatkowo planowane jest przeprowadzenie oceny algorytmów w praktycznym wykorzystaniu przez kilku niezależnych użytkowników ukończonej aplikacji.
Spis Treści 1. Wprowadzenie... 2 1.1 Wstęp... 2 1.2 Cel pracy... 2 1.3 Zakres pracy... 2 1.4 Użyte technologie... 2 1.4.1 Unity 3D... 3 2. Sztuczna inteligencja w grach komputerowych... 4 2.1 Zadanie sztucznej
Bardziej szczegółowogry na planszy do WARCABÓW WARCABY TRADYCYJNE WARCABY NAROŻNIKOWE gra dla 2 osób rekwizyty: - plansza - 12 pionków białych i 12 pionków czarnych
gry na planszy do WARCABÓW WARCABY TRADYCYJNE Celem gry jest zbicie lub zablokowanie pionków przeciwnika. Grę prowadzi się na ciemnych polach szachownicy. Plansza jest tak ułożona, aby obaj gracze mieli
Bardziej szczegółowoPrognozowanie kierunku ruchu indeksów giełdowych na podstawie danych historycznych.
Metody Sztucznej Inteligencji 2 Projekt Prognozowanie kierunku ruchu indeksów giełdowych na podstawie danych historycznych. Autorzy: Robert Wojciechowski Michał Denkiewicz Mateusz Gągol Wstęp Celem projektu
Bardziej szczegółowoCHIŃCZYK. CHIŃCZYK z blokadą ruchomą INSTRUKCJA. gry na planszy do Chińczyka. gra dla 2-4 osób
INSTRUKCJA gry na planszy do Chińczyka CHIŃCZYK gra dla 2-4 osób - 4 jednokolorowe pionki x ilość graczy - kostka Gracze ustalają kolory swoich pionków, po czym ustawiają je na swoich polach wyjściowych
Bardziej szczegółowoAutomatyczne Diagnozy Partii Szachowych nowa funkcja Zestawienie Ruchów.
Kalkulator Szachowy 2na2 - Nowości Wersji 1.1 Automatyczne Diagnozy Partii Szachowych nowa funkcja Zestawienie Ruchów. Program Kalkulator Szachowy 2na2 umożliwia: - rozwiązywanie logicznych zadań szachowych,
Bardziej szczegółowoUczenie sieci typu MLP
Uczenie sieci typu MLP Przypomnienie budowa sieci typu MLP Przypomnienie budowy neuronu Neuron ze skokową funkcją aktywacji jest zły!!! Powszechnie stosuje -> modele z sigmoidalną funkcją aktywacji - współczynnik
Bardziej szczegółowoWYKORZYSTANIE SIECI NEURONOWEJ DO BADANIA WPŁYWU WYDOBYCIA NA SEJSMICZNOŚĆ W KOPALNIACH WĘGLA KAMIENNEGO. Stanisław Kowalik (Poland, Gliwice)
WYKORZYSTANIE SIECI NEURONOWEJ DO BADANIA WPŁYWU WYDOBYCIA NA SEJSMICZNOŚĆ W KOPALNIACH WĘGLA KAMIENNEGO Stanisław Kowalik (Poland, Gliwice) 1. Wprowadzenie Wstrząsy podziemne i tąpania występujące w kopalniach
Bardziej szczegółowoObrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego
IBS PAN, Warszawa 9 kwietnia 2008 Obrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego mgr inż. Marcin Jaruszewicz promotor: dr hab. inż. Jacek Mańdziuk,
Bardziej szczegółowoElementy inteligencji obliczeniowej
Elementy inteligencji obliczeniowej Paweł Liskowski Institute of Computing Science, Poznań University of Technology 9 October 2018 1 / 19 Perceptron Perceptron (Rosenblatt, 1957) to najprostsza forma sztucznego
Bardziej szczegółowoHALMA HALMA SZYBKA HALMA KOLOROWA INSTRUKCJA
INSTRUKCJA HALMA gra strategiczna dla 2-4 osób plansza, 2 x po 19 pionków w 2 kolorach lub 4 x po 13 pionków w 4 kolorach Halmę można rozegrać w 2 lub 4 osoby. W wersji na 2 osoby wykorzystuje się po 19
Bardziej szczegółowoOprogramowanie Systemów Obrazowania SIECI NEURONOWE
SIECI NEURONOWE Przedmiotem laboratorium jest stworzenie algorytmu rozpoznawania zwierząt z zastosowaniem sieci neuronowych w oparciu o 5 kryteriów: ile zwierzę ma nóg, czy żyje w wodzie, czy umie latać,
Bardziej szczegółowo34. NIE TYLKO WORECZKI CZYLI O ROZUMIENIU SYSTEMU DZIESIĘTNEGO, CZ. II
157 Mirosław Dąbrowski 34. NIE TYLKO WORECZKI CZYLI O ROZUMIENIU SYSTEMU DZIESIĘTNEGO, CZ. II Cele ogólne w szkole podstawowej: zdobycie przez uczniów umiejętności wykorzystywania posiadanych wiadomości
Bardziej szczegółowoATOLL. Wykonali: Aleksandra Kuchta, Łukasz Wójcik, Sztuczna Inteligencja, Semestr trzeci, Kierunek Informatyka, Wydział Informatyki i Zarządzania,
Sztuczna Inteligencja, Semestr trzeci, Kierunek Informatyka, Wydział Informatyki i Zarządzania, Politechnika Poznańska ATOLL Wykonali: Aleksandra Kuchta, WFT, PP, nr 76690, rok IV Łukasz Wójcik, WIiZ,
Bardziej szczegółowoPawnographic chess. (Sztuczna inteligencja) Wydzia ł Informatyki i Zarządzania Informatyka. Pozna ń, 25 lutego 2008 r.
Pozna ń, 25 lutego 2008 r. Pawnographic chess (Sztuczna inteligencja) Wydzia ł Informatyki i Zarządzania Informatyka Bartosz Królikowski, 80081, crulik@poczta.onet.pl Fabian Frąckowiak, 80054, fabian.frackowiak@gmail.com
Bardziej szczegółowoWyciąg z przepisów obowiązujących na XII Ogólnopolski Turniej Szachowy o Puchar Związku Banków Polskich Warszawa, 20 listopada 2016r.
Wyciąg z przepisów obowiązujących na XII Ogólnopolski Turniej Szachowy o Puchar Związku Banków Polskich Warszawa, 20 listopada 2016r. Szachy szybkie A.4. We wszystkich innych sytuacjach, należy stosować
Bardziej szczegółowoINSTRUKCJA. gry dla 2 osób rekomendowany wiek: od lat 5+ zawartość pudełka: 1) Plansza 2) Pionki - 20 szt. x 2 kolory 3) Instrukcja
INSTRUKCJA gry dla 2 osób rekomendowany wiek: od lat 5+ zawartość pudełka: 1) Plansza 2) Pionki - 20 szt. x 2 kolory 3) Instrukcja Po rozpakowaniu należy sprawdzić zawartość z listą zawartości pudełka
Bardziej szczegółowoInnowacja pedagogiczna dla uczniów pierwszej klasy gimnazjum Programowanie
Innowacja pedagogiczna dla uczniów pierwszej klasy gimnazjum Programowanie Opracował Ireneusz Trębacz 1 WSTĘP Dlaczego warto uczyć się programowania? Żyjemy w społeczeństwie, które coraz bardziej się informatyzuje.
Bardziej szczegółowoS O M SELF-ORGANIZING MAPS. Przemysław Szczepańczyk Łukasz Myszor
S O M SELF-ORGANIZING MAPS Przemysław Szczepańczyk Łukasz Myszor Podstawy teoretyczne Map Samoorganizujących się stworzył prof. Teuvo Kohonen (1982 r.). SOM wywodzi się ze sztucznych sieci neuronowych.
Bardziej szczegółowoTemat: ANFIS + TS w zadaniach. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE
Temat: ANFIS + TS w zadaniach Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1. Systemy neuronowo - rozmyte Systemy
Bardziej szczegółowoAnaliza i projektowanie oprogramowania. Analiza i projektowanie oprogramowania 1/32
Analiza i projektowanie oprogramowania Analiza i projektowanie oprogramowania 1/32 Analiza i projektowanie oprogramowania 2/32 Cel analizy Celem fazy określania wymagań jest udzielenie odpowiedzi na pytanie:
Bardziej szczegółowo25. NIE TYLKO WORECZKI CZYLI O ROZUMIENIU SYSTEMU DZIESIĘTNEGO, CZ. I
124 25. NIE TYLKO WORECZKI CZYLI O ROZUMIENIU SYSTEMU DZIESIĘTNEGO, CZ. I Mirosław Dąbrowski 25. NIE TYLKO WORECZKI CZYLI O ROZUMIENIU SYSTEMU DZIESIĘTNEGO, CZ. I Cele ogólne w szkole podstawowej: zdobycie
Bardziej szczegółowoTemat: Sieci neuronowe oraz technologia CUDA
Elbląg, 27.03.2010 Temat: Sieci neuronowe oraz technologia CUDA Przygotował: Mateusz Górny VIII semestr ASiSK Wstęp Sieci neuronowe są to specyficzne struktury danych odzwierciedlające sieć neuronów w
Bardziej szczegółowoOptymalizacja ciągła
Optymalizacja ciągła 5. Metoda stochastycznego spadku wzdłuż gradientu Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 04.04.2019 1 / 20 Wprowadzenie Minimalizacja różniczkowalnej
Bardziej szczegółowoProgramowanie gier planszowych
III Konferencja Młodych Informatyków Uniwersytet Śląski Wydział Informatyki i Nauki o Materiałach Sosnowiec 2003 Programowanie gier planszowych Tomasz Rostański Streszczenie W niniejszej pracy zostanie
Bardziej szczegółowoWPROWADZENIE DO SZTUCZNEJ INTELIGENCJI
POLITECHNIKA WARSZAWSKA WYDZIAŁ MECHANICZNY ENERGETYKI I LOTNICTWA MEL WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI NS 586 Dr inż. Franciszek Dul 6. GRY POSZUKIWANIA W OBECNOŚCI PRZECIWNIKA Gry Pokażemy, w jaki
Bardziej szczegółowoPodstawy programowania, Poniedziałek , 8-10 Projekt, część 3
Podstawy programowania, Poniedziałek 13.05.2015, 8-10 Projekt, część 3 1. Zadanie Projekt polega na stworzeniu logicznej gry komputerowej działającej w trybie tekstowym o nazwie Minefield. 2. Cele Celem
Bardziej szczegółowoALGORYTM RANDOM FOREST
SKRYPT PRZYGOTOWANY NA ZAJĘCIA INDUKOWANYCH REGUŁ DECYZYJNYCH PROWADZONYCH PRZEZ PANA PAWŁA WOJTKIEWICZA ALGORYTM RANDOM FOREST Katarzyna Graboś 56397 Aleksandra Mańko 56699 2015-01-26, Warszawa ALGORYTM
Bardziej szczegółowoMetoda ewolucyjnego doboru współczynników funkcji oceniającej w antywarcabach
Metoda ewolucyjnego doboru współczynników funkcji oceniającej w antywarcabach Promotor: dr hab. Jacek Mańdziuk Autor: Jarosław Budzianowski Metoda ewolucyjnego doboru współczynników funkcji oceniajacej
Bardziej szczegółowoAlgorytmy dla gier dwuosobowych
Algorytmy dla gier dwuosobowych Wojciech Dudek Seminarium Nowości Komputerowe 5 czerwca 2008 Plan prezentacji Pojęcia wstępne (gry dwuosobowe, stan gry, drzewo gry) Algorytm MiniMax Funkcje oceniające
Bardziej szczegółowoTestowanie modeli predykcyjnych
Testowanie modeli predykcyjnych Wstęp Podczas budowy modelu, którego celem jest przewidywanie pewnych wartości na podstawie zbioru danych uczących poważnym problemem jest ocena jakości uczenia i zdolności
Bardziej szczegółowoINSTRUKCJA. gra dla 2 4 osób, rekomendowany wiek: od lat 4
INSTRUKCJA gra dla 2 4 osób, rekomendowany wiek: od lat 4 Zawartość pudełka: 1) Plansza dwustronna - 12 puzzli 2) Pionki do Chińczyka - 4 szt. x 4 kolory 3) Kostka do gry 4) Pionki do Warcab - 20 szt.
Bardziej szczegółowoKlasyfikator liniowy Wstęp Klasyfikator liniowy jest najprostszym możliwym klasyfikatorem. Zakłada on liniową separację liniowy podział dwóch klas między sobą. Przedstawia to poniższy rysunek: 5 4 3 2
Bardziej szczegółowoTworzenie gier na urządzenia mobilne
Katedra Inżynierii Wiedzy Teoria podejmowania decyzji w grze Gry w postaci ekstensywnej Inaczej gry w postaci drzewiastej, gry w postaci rozwiniętej; formalny opis wszystkich możliwych przebiegów gry z
Bardziej szczegółowoLEKCJA 1. Diagram 1. Diagram 3
Diagram 1 LEKCJA 1 - zaawansowanie czarnych zdecydowanie lepsze, - szansa dojścia czarnych do damki, - przynajmniej jeden kamień białych ginie, ale od czego jest ostatnia deska ratunku - KOMBINACJA! Ale
Bardziej szczegółowoEksploracja Danych. wykład 4. Sebastian Zając. 10 maja 2017 WMP.SNŚ UKSW. Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 10 maja / 18
Eksploracja Danych wykład 4 Sebastian Zając WMP.SNŚ UKSW 10 maja 2017 Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 10 maja 2017 1 / 18 Klasyfikacja danych Klasyfikacja Najczęściej stosowana (najstarsza)
Bardziej szczegółowoNEURAL NETWORK ) FANN jest biblioteką implementującą SSN, którą moŝna wykorzystać. w C, C++, PHP, Pythonie, Delphi a nawet w środowisku. Mathematica.
Wykorzystanie sztucznych sieci neuronowych do rozpoznawania języków: polskiego, angielskiego i francuskiego Tworzenie i nauczanie sieci przy pomocy języka C++ i biblioteki FANN (Fast Artificial Neural
Bardziej szczegółowogra Chińczyk dla 6 osób
CHIŃCZYK Chińczyk to popularna gra planszowa dla dwóch, trzech lub czterech osób, w której celem graczy jest przejście dookoła planszy czterema pionkami z pozycji początkowych na końcowe. Pierwszy gracz,
Bardziej szczegółowoPROGNOZOWANIE OSIADAŃ POWIERZCHNI TERENU PRZY UŻYCIU SIECI NEURONOWYCH**
Górnictwo i Geoinżynieria Rok 31 Zeszyt 3 2007 Dorota Pawluś* PROGNOZOWANIE OSIADAŃ POWIERZCHNI TERENU PRZY UŻYCIU SIECI NEURONOWYCH** 1. Wstęp Eksploatacja górnicza złóż ma niekorzystny wpływ na powierzchnię
Bardziej szczegółowoWstęp do sieci neuronowych, wykład 6 Wsteczna propagacja błędu - cz. 3
Wstęp do sieci neuronowych, wykład 6 Wsteczna propagacja błędu - cz. 3 Andrzej Rutkowski, Maja Czoków, Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2018-11-05 Projekt
Bardziej szczegółowoSztuczne siei neuronowe - wprowadzenie
Metody Sztucznej Inteligencji w Sterowaniu Ćwiczenie 2 Sztuczne siei neuronowe - wprowadzenie Przygotował: mgr inż. Marcin Pelic Instytut Technologii Mechanicznej Politechnika Poznańska Poznań, 2 Wstęp
Bardziej szczegółowoProf. Stanisław Jankowski
Prof. Stanisław Jankowski Zakład Sztucznej Inteligencji Zespół Statystycznych Systemów Uczących się p. 228 sjank@ise.pw.edu.pl Zakres badań: Sztuczne sieci neuronowe Maszyny wektorów nośnych SVM Maszyny
Bardziej szczegółowoDokumentacja projektu QUAIKE Architektura oprogramowania
Licencjacka Pracownia Oprogramowania Instytut Informatyki Uniwersytetu Wrocławskiego Jakub Kowalski, Andrzej Pilarczyk, Marek Kembrowski, Bartłomiej Gałkowski Dokumentacja projektu QUAIKE Architektura
Bardziej szczegółowo8. Neuron z ciągłą funkcją aktywacji.
8. Neuron z ciągłą funkcją aktywacji. W tym ćwiczeniu zapoznamy się z modelem sztucznego neuronu oraz przykładem jego wykorzystania do rozwiązywanie prostego zadania klasyfikacji. Neuron biologiczny i
Bardziej szczegółowo1. Logika, funkcje logiczne, preceptron.
Sieci neuronowe 1. Logika, funkcje logiczne, preceptron. 1. (Logika) Udowodnij prawa de Morgana, prawo pochłaniania p (p q), prawo wyłączonego środka p p oraz prawo sprzeczności (p p). 2. Wyraź funkcję
Bardziej szczegółowoUczenie sieci radialnych (RBF)
Uczenie sieci radialnych (RBF) Budowa sieci radialnej Lokalne odwzorowanie przestrzeni wokół neuronu MLP RBF Budowa sieci radialnych Zawsze jedna warstwa ukryta Budowa neuronu Neuron radialny powinien
Bardziej szczegółowoSieci neuronowe - dokumentacja projektu
Sieci neuronowe - dokumentacja projektu Predykcja finansowa, modelowanie wskaźnika kursu spółki KGHM. Piotr Jakubas Artur Kosztyła Marcin Krzych Kraków 2009 1. Sieci neuronowe - dokumentacja projektu...
Bardziej szczegółowoKodu z klasą. Tower defense, cz. 2. Scenariusz 8
W scenariuszu nr 8 kontynuujemy pracę rozpoczętą na poprzednich zajęciach i ukończymy cały scenariusz gry Tower Defense. Dzisiaj zaprogramujemy pozostałe obiekty, czyli drzewo i jabłka, wieże oraz wrogie
Bardziej szczegółowoFAQ P: JAKIE SĄ WYMAGANIA DOTYCZĄCE MIEJSCA ZAMIESZKANIA OSÓB BIORĄCYCH UDZIAŁ W TURNIEJU? O: Ten turniej odbywa się wyłącznie w Polsce, więc:
FAQ P: ILE MECZÓW TRZEBA ROZEGRAĆ, ABY WYŁONIĆ ZWYCIĘZCĘ KAŻDEGO STARCIA? O: Turnieje rozgrywane są w formacie 5 na 5 na Summoner's Rift do jednej wygranej, a finał do dwóch wygranych. P: CZY MOGĘ WZIĄĆ
Bardziej szczegółowoAsocjacyjna reprezentacja danych i wnioskowanie
Asocjacyjna reprezentacja danych i wnioskowanie Wykorzystane technologie JetBrains PyCharm 504 Python 35 Struktura drzewa GRAPH PARAM PARAM ID1 ID2 ID_N params params params param_name_1: param_value_1
Bardziej szczegółowoALGORYTMY SZTUCZNEJ INTELIGENCJI
ALGORYTMY SZTUCZNEJ INTELIGENCJI Sieci neuronowe 06.12.2014 Krzysztof Salamon 1 Wstęp Sprawozdanie to dotyczy ćwiczeń z zakresu sieci neuronowych realizowanym na przedmiocie: Algorytmy Sztucznej Inteligencji.
Bardziej szczegółowoGRY I ZABAWY UMYSŁOWO- LOGICZNE JAKO FORMA UPOWSZECHNIANIA KULTURY. Donata Fraś
GRY I ZABAWY UMYSŁOWO- LOGICZNE JAKO FORMA UPOWSZECHNIANIA KULTURY Donata Fraś Gry umysłowe To gry towarzyskie, których rezultat zależy wyłącznie od świadomych decyzji podejmowanych przez partnera Wymagają:
Bardziej szczegółowoDla dzieci od 5 lat. Wymiary pudełka 20x20x5 cm. Backgammon
11122629 Zestaw gier w metalowym pudełku "8 w 1" W podróż, na wycieczkę, na deszczowe dni. Zestaw zawiera wszystko (plansze, pionki, kości), co jest potrzebne, by rozegrać wiele emocjonujących partii następujących
Bardziej szczegółowoWiek graczy: 8+ Liczba graczy: 2 4 Czas gry: 20 min INSTRUKCJA
Wiek graczy: 8+ Liczba graczy: 2 4 Czas gry: 20 min INSTRUKCJA Seria Dr Knizia poleca zawiera gry przygotowane przez jednego z najpopularniejszych autorów doktora matematyki Reinera Knizię. Blisko 600
Bardziej szczegółowoWyznaczanie strategii w grach
Wyznaczanie strategii w grach Dariusz Banasiak Katedra Informatyki Technicznej W4/K9 Politechnika Wrocławska Definicja gry Teoria gier i konstruowane na jej podstawie programy stanowią jeden z głównych
Bardziej szczegółowoDariusz Brzeziński Instytut Informatyki, Politechnika Poznańska
Dariusz Brzeziński Instytut Informatyki, Politechnika Poznańska Podstawowe architektury sieci neuronowych Generowanie sztucznych danych Jak się nie przemęczyć Korzystanie z istniejących wag Zamrażanie
Bardziej szczegółowoSzachy, backgammon (tryktrak) i warcaby
Szachy, backgammon (tryktrak) i warcaby pl Zasady gry Tchibo GmbH D-22290 Hamburg 92630AB6X6VII 2017-07 Drodzy Klienci! Trzy klasyczne gry w praktycznym, ozdobnym pudełku z drewna. Już od wieków gry te
Bardziej szczegółowoSpadające jabłuszka. licencja CC-BY-SA Uznanie autorstwa Na tych samych warunkach 3.0 Polska. Strona 51
Spadające jabłuszka Materiały opracowane przez Ośrodek Edukacji Informatycznej i Zastosowań Komputerów w Warszawie w ramach programu Warszawa Programuje licencja CC-BY-SA Uznanie autorstwa Na tych samych
Bardziej szczegółowoAlgorytmy sztucznej inteligencji
www.math.uni.lodz.pl/ radmat Przeszukiwanie z ograniczeniami Zagadnienie przeszukiwania z ograniczeniami stanowi grupę problemów przeszukiwania w przestrzeni stanów, które składa się ze: 1 skończonego
Bardziej szczegółowoGra: Partnerstwo biznesowe
Gra: Partnerstwo biznesowe Opis: Gra uczy partnerstwa biznesowego. Pokazuje jakie są jego zalety i wady. Pozwala uczestnikom szkolenia odkryć główny powód, dla którego firmy tworzą partnerstwa biznesowe.
Bardziej szczegółowoPrzykłady szacha-mata
Cel gry w szachy jest nim wygranie z przeciwnikiem. Można wyróżnić trzy sposoby na wygranie partii w szachach: Pierwszy szach-mat lub poddanie partii przez przeciwnika, Drugi wygrana poprzez trzy nieprawidłowe
Bardziej szczegółowoPong to dwuwymiarowy symulator tenisa sportowego. Gracz, poruszając prostokątem symulującym paletkę, stara się zdobyć punkt poprzez posłanie piłki
GRA 3: PONG Pong to dwuwymiarowy symulator tenisa sportowego. Gracz, poruszając prostokątem symulującym paletkę, stara się zdobyć punkt poprzez posłanie piłki obok prostokąta drugiego gracza. Była to jedna
Bardziej szczegółowoSieci neuronowe w Statistica
http://usnet.us.edu.pl/uslugi-sieciowe/oprogramowanie-w-usk-usnet/oprogramowaniestatystyczne/ Sieci neuronowe w Statistica Agnieszka Nowak - Brzezińska Podstawowym elementem składowym sztucznej sieci neuronowej
Bardziej szczegółowoGra planszowa stwarza jeszcze więcej możliwości!
Gra planszowa stwarza jeszcze więcej możliwości! Steffen Benndorf Reinhard Staupe Gracze: 2-4 osób Wiek: powyżej 8 lat Czas trwania: ok.20 minut Uwaga: W przypadku, gdy Państwo znają już wielokrotnie nagradzaną
Bardziej szczegółowo33. NIE TYLKO WORECZKI CZYLI O ROZUMIENIU SYSTEMU DZIESIĘTNEGO, CZ. I
150 Mirosław Dąbrowski 33. NIE TYLKO WORECZKI CZYLI O ROZUMIENIU SYSTEMU DZIESIĘTNEGO, CZ. I Cele ogólne w szkole podstawowej: zdobycie przez uczniów umiejętności wykorzystywania posiadanych wiadomości
Bardziej szczegółowoZastosowania sieci neuronowych
Zastosowania sieci neuronowych klasyfikacja LABORKA Piotr Ciskowski zadanie 1. klasyfikacja zwierząt sieć jednowarstwowa żródło: Tadeusiewicz. Odkrywanie własności sieci neuronowych, str. 159 Przykład
Bardziej szczegółowoRachunek prawdopodobieństwa w grach losowych.
Rachunek prawdopodobieństwa w grach losowych. Lista zawiera kilkadziesiąt zadań dotyczących różnych gier z użyciem kart i kości, w tym tych najbardziej popularnych jak brydż, tysiąc itp. Kolejne zadania
Bardziej szczegółowo1. Historia 2. Podstawy neurobiologii 3. Definicje i inne kłamstwa 4. Sztuczny neuron i zasady działania SSN. Agenda
Sieci neuropodobne 1. Historia 2. Podstawy neurobiologii 3. Definicje i inne kłamstwa 4. Sztuczny neuron i zasady działania SSN Agenda Trochę neurobiologii System nerwowy w organizmach żywych tworzą trzy
Bardziej szczegółowoPodstawy Sztucznej Inteligencji (PSZT)
Podstawy Sztucznej Inteligencji (PSZT) Paweł Wawrzyński Uczenie maszynowe Sztuczne sieci neuronowe Plan na dziś Uczenie maszynowe Problem aproksymacji funkcji Sieci neuronowe PSZT, zima 2013, wykład 12
Bardziej szczegółowoInstrukcja realizacji ćwiczenia
SIEĆ KOHONENA ROZPOZNAWANIE OBRAZÓW Cel ćwiczenia: zapoznanie się ze sposobem reprezentacji wiedzy w sieciach Kohonena i mechanizmami sąsiedztwa i sumienia neuronów. Zadanie do analizy: analizujemy sieć
Bardziej szczegółowoAdam Meissner. SZTUCZNA INTELIGENCJA Gry dwuosobowe
Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej Adam Meissner Adam.Meissner@put.poznan.pl http://www.man.poznan.pl/~ameis SZTUCZNA INTELIGENCJA Gry dwuosobowe Literatura [1] Sterling
Bardziej szczegółowoWstęp do sieci neuronowych, wykład 02 Perceptrony c.d. Maszyna liniowa.
Wstęp do sieci neuronowych, wykład 02 Perceptrony c.d. Maszyna liniowa. Maja Czoków, Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2011-10-11 1 Modelowanie funkcji logicznych
Bardziej szczegółowoWybór / ocena atrybutów na podstawie oceny jakości działania wybranego klasyfikatora.
Wprowadzenie do programu RapidMiner Studio 7.6, część 7 Podstawy metod wyboru atrybutów w problemach klasyfikacyjnych, c.d. Michał Bereta www.michalbereta.pl Wybór / ocena atrybutów na podstawie oceny
Bardziej szczegółowoPLANSZA. Plansza składa się z następujących pól:
PLANSZA Plansza składa się z następujących pól: Pole Będzie Się Działo gracz, który stanie na to pole losuje zadanie z listy zadań. Pole 69 jeżeli gracz stanie na to pole, gracze przyjmują pozycję 69 i
Bardziej szczegółowoSIEĆ NEURONOWA DO OCENY KOŃCOWEJ PRZEDSIĘWZIĘCIA (PROJEKTU)
SIEĆ NEURONOWA DO OCENY KOŃCOWEJ PRZEDSIĘWZIĘCIA (PROJEKTU) 1. Opis problemu - ocena końcowa projektu Projekt jako nowe, nietypowe przedsięwzięcie wymaga właściwego zarządzania. Podjęcie się realizacji
Bardziej szczegółowoSpotkanie Fireside Gathering z funkcją Fireside Special ustawioną na bójkę Bitwa morska! Możecie zorganizować je tutaj:
Bitwa morska! Cel Zagrajcie w Hearthstone 3 na 3! Każdy uczestnik musi wygrać specjalną bójkę dla jednego gracza, żeby przejąć pole na planszy Bitwy morskiej. Wygra drużyna, która jako pierwsza zajmie
Bardziej szczegółowoSzachowisko Żywe Szachy (zapraszamy do znajomych) www.szachowisko.wordpress.com Szachowisko co to takiego? Szachowisko żywe szachy w Lublinie to projekt realizowany przez młodzież przy wsparciu Fundacji
Bardziej szczegółowoZACHODNIOPOMORSKI UNIWERSYTET TECHNOLOGICZNY W SZCZECINIE
ZACHODNIOPOMORSKI UNIWERSYTET TECHNOLOGICZNY W SZCZECINIE INSTYTUT TECHNOLOGII MECHANICZNEJ Metody Sztucznej Inteligencji Sztuczne Sieci Neuronowe Wstęp Sieci neuronowe są sztucznymi strukturami, których
Bardziej szczegółowoPHASE 10 LICZBA GRACZY: 2-6
PHASE 10 LICZBA GRACZY: 2-6 CEL GRY: Być pierwszym graczem, który ukończy wszystkie 10 faz. W przypadku remisu gracz z mniejszym wynikiem zostaje zwycięzcą. ZAWARTOŚĆ: Karty ściągi (opisujące 10 faz) oraz
Bardziej szczegółowoRozpoznawanie obrazów
Rozpoznawanie obrazów Laboratorium Python Zadanie nr 1 Regresja liniowa autorzy: A. Gonczarek, J.M. Tomczak, S. Zaręba, M. Zięba, J. Kaczmar Cel zadania Celem zadania jest implementacja liniowego zadania
Bardziej szczegółowoWyszukiwanie. Wyszukiwanie binarne
Wyszukiwanie Wejście: posortowana, n-elementowa tablica liczbowa T oraz liczba p. Wyjście: liczba naturalna, określająca pozycję elementu p w tablicy T, bądź 1, jeŝeli element w tablicy nie występuje.
Bardziej szczegółowoZasady gry. Zawartosc pudełka. Przygotowanie do gry
Zasady gry Cel gry Po przegranym wyścigu zając zażądał rewanżu, a żółw przyjął wyzwanie. Wieść o zbliżającym się wyścigu rozeszła się po całej krainie. Na starcie zebrali się wszyscy uczestnicy: zając,
Bardziej szczegółowoOptymalizacja optymalizacji
7 maja 2008 Wstęp Optymalizacja lokalna Optymalizacja globalna Algorytmy genetyczne Badane czasteczki Wykorzystane oprogramowanie (Algorytm genetyczny) 2 Sieć neuronowa Pochodne met-enkefaliny Optymalizacja
Bardziej szczegółowoGeneratory pomocy multimedialnych
Generatory pomocy multimedialnych Storna 1 Praca z generatorem: parowanie, uzupełnianki, krzyżówki oraz testy.* *Projekt jest całkowicie finansowany z programu Kapitał Ludzki, III Wysoka jakoś systemu
Bardziej szczegółowo