Exemplo de aprendizagem máquina
|
|
- Victoria Madalena Anjos de Santarém
- 7 Há anos
- Visualizações:
Transcrição
1 (Primeiro exemplo) Jogo de damas c/ aprendizagem Tom Mitchell, Machine Learning, McGraw-Hill, 1997 chapter 1 17-Jul Exemplo de aprendizagem máquina 1. Descrição do problema 2. Escolha da experiência de treino 3. Escolha do que aprender 4. Escolha da representação da hipótese 5. Escolha de um algoritmo para aprendizagem da hipótese a partir da experiência de treino 17-Jul
2 1. Descrição do problema Tarefa T: Jogar damas (como desenvolvido por A. Samuel em 1959) Medida de Desempenho P: Percentagem de jogos ganhos contra adversários Experiência de treino E: Jogos jogados contra consigo próprio 17-Jul Escolha da experiência de treino Experiência direta: Será possível obter pares de exemplos de entrada/saídas desejáveis? Ex: tabuleiro rotulado com um movimento vencedor, extraído de um catálogo de movimentos. Experiência indireta: Feedback indireto sobre as saídas desejáveis (problema de atribuição de créditos) Ex: sequências de movimentos e resultado final do jogo. 17-Jul
3 3. Escolha do que aprender Dado um conjunto de movimentos legais, queremos aprender como escolher o(s) movimento(s) que nos leve à vitória, quando esta for possível Podemos aprender a função: EscolheMovimento(tabuleiro, movimento-legis) movimento-ótimo Ou podemos aprender uma função de avaliação, V(tabuleiro) R, 17-Jul Definindo V(b) Se b é uma configuração final vencedora, então V(b) = 100 Se b é uma configuração final perdedora, então V(b) = 100 Se b corresponde a um empate, então V(b) = 0 Noutros casos V(b) = V(b ), onde b é a posição final com o score mais elevado que se consegue obter partindo de b e jogando de forma ótima até ao fim do jogo (assumindo que o oponente joga também de forma ótima) 17-Jul
4 Aproximando V(b) Calcular V(b) é intratável dado que envolve procura na árvore de jogo completa Pelo que se torna necessário aprender uma aproximação da função de avaliação ideal V(b) 17-Jul Minimax com cortes α-β 17-Jul
5 Minimax com cortes α-β 17-Jul Escolhendo uma representação para a hipótese Samuel usou uma aproximação linear para a função de avaliação ) V ( b) = w0 + w1 bp( b) + w2 rp( b) + w3 bk( b) + w4 rk( b) + w5 bt( b) + w6 rt( b) onde: bp(b): nº de peças pretas no tabuleiro b rp(b): nº de peças brancas no tabuleiro b bk(b): nº de damas pretas no tabuleiro b rk(b): nº de damas brancas no tabuleiro b w i s são coeficientes ajustáveis ou aprendizáveis bt(b): nº de peças pretas ameaçadas (i.e. que podem ser comidas na próxima jogada do oponente) rt(b): nº de peças brancas ameaçadas 17-Jul
6 Aproximando V(b) Estimam-se valores de treino para posições não terminais do tabuleiro estimando valores para os seus sucessores na árvore de treino. ) V treino ( b) = V (sucessor( b)) onde sucessor(b) é a próxima posição do tabuleiro onde é o programa a jogar 17-Jul Aproximando V(b) Estimam-se valores de treino para posições não terminais do tabuleiro estimando valores para os seus sucessores na árvore de treino. ) V treino ( b) = V (sucessor( b)) onde sucessor(b) é a próxima posição do tabuleiro onde é o programa a jogar Agora podemos gerar um conjunto de treino da forma <b,vtreino(b)>, e.g., para uma vitória teríamos: <x1=3, x2=0, x3=1, x4=0, x5=0, x6=0, +100> 17-Jul
7 5. Escolhendo um algoritmo de aprendizagem O algoritmo de aprendizagem tenta minimizar alguma medida de erro, tal como o erro quadrático médio: E = b B [ V train ) ( b) V ( b)] B 2 17-Jul Um algoritmo de aprendizagem elementar 1. Initializar os pesos, w i, com valores aleatórios 2. Repetir até à convergência dos pesos: Para cada exemplo de treino b : 2.1 Calcular o erro : ) error( b) = V ( b) V ( b) treino 2.2 Para cada característica do tabuleiro, f i, atualizar o seu peso, w i : w = w + K f error(b) i i usando uma constante pequena para (o parâmetro de passo de aprendizagem) K i 17-Jul
8 PSO applied to chess (J. Duro, jvo, IEEE EC 2008) 7/17/ PSO applied to chess (J. Duro, jvo, IEEE EC 2008) 17-Jul
9 Performance 7/17/ Recapitulando: Exemplo de aprendizagem máquina 1. Descrição do problema 2. Escolha da experiência de treino 3. Escolha do que aprender 4. Escolha de como representar a hipótese 5. Escolha de um algoritmo para aprendizagem da hipótese a partir da experiência de treino 17-Jul
10 Qual é o estado atual dos jogos deterministicos, de soma nula, com 2 adversários? 17-Jul Chinook é invencível! 17-Jul
11 Deep Blue II joga ao nível humano de grandmaster n 17-Jul Xadrez: Kasparov vs. Deep Blue 1997: Deep Blue wins by 3 wins, 1 loss, and 2 draws Kasparov 1,6 mts 80 kg 34 years 50 billion neurons 2 pos/sec Extensive Chemical Enormous Altura Peso Idade Hardware Veloc. Max. Conhecimento Fonte de energia Ego Deep Blue 2 mts 1089 kg 4 years 30 IBM RS/ VLSI chess proc. 330,000,000 pos/sec Primitive Electrical None 17-Jul
12 Othello: Murakami vs. Logistello Takeshi Murakami World Othello Champion Michael Buro and is program Logistello 1997: The Logistello crushed Murakami by 6 games to 0 17-Jul GO humanos (ainda) com vantagem 17-Jul
13 Questões avulsas Que algoritmos estão disponíveis para aprender um dado conceito? Que propriedades têm? Quantos dados serão suficientes para aprender um dado conceito com alta confiança? Alguns exemplos de treino são mais úteis do que outros? É útil usar conhecimento à priori?como? Quais são as melhores tarefas para um sistema aprender? Qual é a melhor forma de um sistema representar o seu conhecimento? 17-Jul Sumário Primeiro exemplo: jogo de damas c/ aprendizagem Jogos determinísticos na prática Breve discussão 17-Jul
Ernesto Costa e Anabela Simões, Inteligência Artificial: Fundamentos e Aplicações (2ª edição) FCA, Set chapter 9
Adversarial Search: game playing part II Stuart Russel and Peter Norvig, Artificial Intelligence: A modern approach, 3rd edition, Pearson Education, 200 http://aima.cs.berkeley.edu/ chapter 6 Ernesto Costa
Leia maisIntrodução à Inteligência Artificial. Procura em contextos competitivos jogos (cont.)
Introdução à Inteligência Artificial Procura em contextos competitivos jogos (cont.) Sumário n Vimos Jogos de 2 jogadores n Determinísticos, soma nula, informação perfeita Estratégia óptima minimax Algoritmos
Leia maisFigura: Capa do Livro Hamburger, H., Richards, D. Logic and Language Models for Computer Science, Prentice Hall.
Figura: Capa do Livro Hamburger, H., Richards, D. Logic and Language Models for Computer Science, Prentice Hall. Universidade Federal de Campina Grande Departamento de Sistemas e Computação Curso de Bacharelado
Leia maisBusca Competitiva. Inteligência Artificial. Até aqui... Jogos vs. busca. Decisões ótimas em jogos 9/22/2010
Inteligência Artificial Busca Competitiva Aula 5 Profª Bianca Zadrozny http://www.ic.uff.br/~bianca/ia-pos Capítulo 6 Russell & Norvig Seção 6.1 a 6.5 2 Até aqui... Problemas sem interação com outro agente.
Leia maisSumário. Decisões óptimas em jogos (minimax) Cortes α-β Decisões imperfeitas em tempo real
Jogos Capítulo 6 Sumário Decisões óptimas em jogos (minimax) Cortes α-β Decisões imperfeitas em tempo real Jogos vs. Problemas de Procura Adversário imprevisível" necessidade de tomar em consideração todas
Leia maisAprendizagem de Máquina
Plano de Aula Aprendizagem de Máquina Aula 1 Alessandro L. Koerich Introdução Mestrado em Informática Aplicada Pontifícia Universidade Católica do Paraná (PUCPR) Introdução à Aprendizagem de Máquina Por
Leia maisInteligência Artificial. 3º Quadrimestre de 2018
Inteligência Artificial Prof. Fabrício Olivetti de França Prof. Denis Fantinato 3º Quadrimestre de 2018 1 Busca Competitiva 2 Busca Competitiva Quando falamos sobre agentes mencionamos alguns cenários
Leia maisTécnicas para Implementação de Jogos
Técnicas para Implementação de Jogos Solange O. Rezende Thiago A. S. Pardo Considerações gerais Aplicações atrativas para métodos de IA Formulação simples do problema (ações bem definidas) Ambiente acessível
Leia maisInteligência Artificial. Resolução de problemas por meio de algoritmos de busca. Aula VI Busca Competitiva
Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação http://www.inf.unioeste.br/~claudia/ia2017.html Inteligência Artificial Resolução de problemas por meio de algoritmos
Leia maisInteligência Artificial (SI 214) Aula 6 Busca com Adversário. Prof. Josenildo Silva
Inteligência Artificial (SI 214) Aula 6 Busca com Adversário Prof. Josenildo Silva jcsilva@ifma.edu.br 2015 2012-2015 Josenildo Silva (jcsilva@ifma.edu.br) Este material é derivado dos slides de Hwee Tou
Leia maisÁrvore de Jogos Minimax e Poda Alfa-Beta
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Árvore de Jogos Minimax e Poda Alfa-Beta Inteligência Artificial Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Introdução Alessandro L. Koerich 2008 Mestrado/Doutorado em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Mestrado/Doutorado em Informática Aprendizagem de Máquina
Leia maisPMR Computação para Mecatrônica
PMR3201 - Computação para Mecatrônica Prof. Thiago de Castro Martins Prof. Newton Maruyama Prof. Marcos de S.G. Tsuzuki Monitor: Pietro Teruya Domingues Exercício Programa 2 - Versão 2017 Resolvendo o
Leia maisBusca competitiva. Inteligência Artificial. Profª. Solange O. Rezende
Profª. Solange O. Rezende 1 O que vimos até agora... Busca não informada Baseada somente na organização de estados e a sucessão entre eles Busca informada Utiliza, também, informações a respeito do domínio
Leia maisAlternativamente pode ser pensado como uma forma de maximizar o minimo ganho possível.
Inteligência Artificial Algoritmo i com cortes Alfa-Beta Ana Saraiva 050509087 Ana Barbosa 050509089 Marco Cunha 050509048 Tiago Fernandes 050509081 FEUP - MIEIC 3ºAno/ºSemestre 1 Introdução O algoritmo
Leia maisJogos vs. Problemas de Procura
Jogos Capítulo 6 Jogos vs. Problemas de Procura Adversário imprevisível" necessidade de tomar em consideração todas os movimentos que podem ser tomados pelo adversário Pontuação com sinais opostos O que
Leia maisAlgoritmos de retrocesso
Algoritmos de retrocesso Algoritmos em que se geram escolhas que vão sendo testadas e eventualmente refeitas Problemas para os quais não existem algoritmos eficientes: retrocesso é melhor que pesquisa
Leia maisAlgoritmos de retrocesso
Algoritmos de retrocesso Algoritmos em que se geram escolhas que vão sendo testadas e eventualmente refeitas Problemas para os quais não existem algoritmos eficientes: retrocesso é melhor que pesquisa
Leia maisIntrodução à Inteligência Artificial 2007/08
Introdução à Inteligência rtificial 2007/08 Procura em contextos competitivos jogos Contexto Um agente vs multiagente mbiente cooperativo vs competitivo Teoria dos jogos (ramo da Economia) Sistema multiagente
Leia maisJogos com Oponentes. March 7, 2018
Jogos com Oponentes March 7, 2018 Jogos com Oponentes ˆ Problemas de busca: não assumem a presença de um oponente ˆ Jogos: oponente INCERTEZA! ˆ Incerteza porque não se conhece as jogadas exatas do oponente
Leia maisJogos em Teoria dos Jogos e em
3 Jogos em Teoria dos Jogos e em Computação A Teoria dos Jogos pode ser entendida como a análise matemática de qualquer situação que envolva um conflito de interesses com o intuito de indicar as melhores
Leia maisJOGOS JOGOS. Exemplo: xadrez. Vários tipos de jogos. Uma árvore de jogo. Raciocínio em jogo de xadrez?
JOGOS JOGOS entre os primeiros domínios de aplicação razões - problema de definição fácil (regras do jogo) - constituem uma tarefa estruturada em que é fácil medir o sucesso ou fracasso Vários tipos de
Leia maisJogo de Damas. Alunos: Sávio Mendes de Figueiredo Sômulo Nogueira Mafra
Jogo de Damas Alunos: Sávio Mendes de Figueiredo (savio@cos.ufrj.br) Sômulo Nogueira Mafra (somulo@cos.ufrj.br) Prof.: Inês dutra Inteligência artificial Coppe sistemas - UFRJ 1. Algumas Frases 2. Origens
Leia maisINTELIGÊNCIA ARTIFICIAL 2008/09
INTELIGÊNCIA ARTIFICIAL 2008/09 JOGOS Ex. 1) ( Teste 2005/06) Considere a seguinte árvore de procura de dois agentes. Reordene as folhas de modo a maximizar o número de cortes com uma procura da esquerda
Leia maisBusca com Adversários: Jogos. Maria Carolina Monard
Busca com Adversários: Jogos Thiago A. S. Pardo Maria Carolina Monard Busca com Adversários Diferentemente da busca tradicional vista até agora, na qual a situação não troca durante a busca, a busca com
Leia maisAlgoritmo MiniMax. Minimax
Algoritmo MiniMax Luís Carlos Calado 050509043 João Carlos Sousa 050509027 José Carlos Campos 060509007 Rodolfo Sousa Silva 050509069 1 Minimax Minimax (ou minmax) é um método usado na Teoria da Decisão,
Leia maisCEFET/RJ Disciplina: Inteligência Artificial Professor: Eduardo Bezerra Lista de exercícios 02
. CEFET/RJ Disciplina: Inteligência Artificial Professor: Eduardo Bezerra Lista de exercícios 02 Créditos: alguns itens desta lista são adaptados do material da disciplina CS188 - Artificial Intelligence
Leia maisFundamentos de Inteligência Artificial [5COP099]
Fundamentos de Inteligência Artificial [5COP099] Dr. Sylvio Barbon Junior Departamento de Computação - UEL 1 o Semestre Assunto Aula 7 Algoritmos de Busca Competitiva 2 de 20 Sumário Introdução Busca Competitiva
Leia maisJogos e Busca. Silvio Lago
1 Jogos e Busca Silvio Lago slago@ime.usp.br 2 Sumário Jogos adversariais Algoritmo MINIMAX Algoritmo de poda α-β Função de avaliação e corte Jogos de sorte 3 Jogos Ambientes competitivos, em que as metas
Leia maisIA: Busca Competitiva. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br
IA: Busca Competitiva Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br Sumário Introdução Árvores de Jogos Minimax Antecipação Limitada Poda Alfa-beta Introdução Jogos têm sido continuamente uma importante
Leia maisAlgarve. A2 Aprendizagem Automática ML Machine Learning 7/15/2013
Preparado para o curso de pós-graduação em Ciências da Computação da Universidade Federal do Ceará, Fortaleza, Brasil A2 Aprendizagem Automática ML Machine Learning Julho e Agosto de 2013 José Valente
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 24 Aprendizado Por Reforço Formas de Aprendizado Aprendizado Supervisionado Árvores de Decisão. K-Nearest Neighbor (KNN).
Leia maisTeoria de Jogos. Algoritmo Minimax e Alfa-Beta AED - 2002
Teoria de Jogos Algoritmo Minimax e Alfa-Beta AED - 2002 Conceptualização do Problema Jogar pode ser visto como uma generalização do problema de procura em espaço de estados, em que existem agentes hostis
Leia maisAprendizado de Máquina
Referências Aula 1 http://www.ic.uff.br/~bianca/aa/ Slides das aulas: na página http://www.ic.uff.br/~bianca/aa/ Livro-texto: Machine Learning Tom M. Mitchell McGraw-Hill, 1997 http://www.cs.cmu.edu/~tom/mlbook.html
Leia mais3. Resolução de problemas por meio de busca
Inteligência Artificial - IBM1024 3. Resolução de problemas por meio de busca Prof. Renato Tinós Local: Depto. de Computação e Matemática (FFCLRP/USP) 1 Principais Tópicos 3. Resolução de problemas por
Leia maisEXPLORANDO GRAFOS 1. Grafos e Jogos uma introdução
1. Grafos e Jogos uma introdução Considere o seguinte jogo, o qual é uma das muitas variantes de Nim, também conhecido como jogo Marienbad. Inicialmente existe uma certa quantidade de fósforos na mesa
Leia maisControle Ótimo - Aula 6 Exemplos e Exercícios
Controle Ótimo - Aula 6 Exemplos e Exercícios Adriano A. G. Siqueira e Marco H. Terra Departamento de Engenharia Elétrica Universidade de São Paulo - São Carlos Probabilidades Probabilidade: número entre
Leia maisJogos com Oponentes. Problemas de busca: não assumem a presença de um oponente
istemas Inteligentes, 10-11 1 Jogos com ponentes Problemas de busca: não assumem a presença de um oponente Jogos: oponente INCERTEZA! Incerteza porque não se conhece as jogadas exatas do oponente e não
Leia mais2
Go Ludus História OGoé um jogo tradicional do Oriente. Surgiu na China há mais de 00 anos e foi introduzido no Japão em 00 d.c., sendo muito popular nos dois países. É um jogo de influência, com regras
Leia maisEx. 1) Considere que a árvore seguinte corresponde a uma parte do espaço de estados de um jogo de dois agentes: f=7 f=7 f=1 f=2
LERCI/LEIC Tagus 2005/06 Inteligência Artificial Exercícios sobre Minimax: Ex. 1) Considere que a árvore seguinte corresponde a uma parte do espaço de estados de um jogo de dois agentes: Max Min f=4 f=7
Leia maisRomildo Martins da S Bezerra Julho 2001
Algoritmo do Kalah Romildo Martins da S Bezerra Julho 2001 Índice 1. O Jogo...3 2. Mudanças para Implementação...3 3. O Algoritmo...4 3.1 MINIMAX...4 3.2 Poda Alpha-Beta...4 3.3 Estrutura Utilizada...5
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 18 Aprendizado Por Reforço Edirlei Soares de Lima Formas de Aprendizado Aprendizado Supervisionado Árvores de Decisão. K-Nearest Neighbor (KNN).
Leia maisCEFET/RJ Inteligência Artificial (2017.2) Professor: Eduardo Bezerra Lista de exercícios 03
. CEFET/RJ Inteligência Artificial (2017.2) Professor: Eduardo Bezerra (ebezerra@cefet-rj.br) Lista de exercícios 03 Créditos: essa lista de exercícios contém a tradução dos exercícios disponibilizados
Leia maisJogos com Oponentes. Problemas de busca: não assumem a presença de um oponente
Sistemas Inteligentes, 13-14 1 Jogos com ponentes Problemas de busca: não assumem a presença de um oponente Jogos: oponente INCERTEZA! Incerteza porque não se conhece as jogadas exatas do oponente e não
Leia maisAprendizagem de Máquina
Introdução Aprendizagem de Máquina Alessandro L. Koerich Introdução Desde que os computadores foram inventados temos nos perguntado: Eles são capazes de aprender? Se pudéssemos programá-los para aprender
Leia mais8 Experimentos. de pelo menos uma solução. 2 Na verdade, poderíamos definir uma função que retorna o conjunto de equilíbrios de
8 Experimentos Neste capítulo tratamos da utilização do verificador de modelos na prática, e realizamos algumas comparações entre outros algoritmos existentes. Os experimentos foram executados em uma máquina
Leia maisEDITAL DO 2º TORNEIO DE XADREZ DEL REI XADREZ
EDITAL DO 2º TORNEIO DE XADREZ DEL REI XADREZ 2014 1. DISPOSIÇÕES GERAIS O Grupo PET MATERIAIS E INOVAÇÃO TECNOLÓGICA torna público o presente edital para o 2º Torneio de Xadrez Del Rei Xadrez. 2. INTRODUÇÃO
Leia maisAnatomia do motor de um programa de xadrez. Hugo Vinicius M. D. Santana Orientador: José Coelho de Pina
Anatomia do motor de um programa de xadrez Hugo Vinicius M. D. Santana Orientador: José Coelho de Pina Conteúdo Objetivo O que é um motor de xadrez? Arquitetura Entrada e saída Representação do tabuleiro
Leia maisJogos com Oponentes. espaço de busca muito grande tempo para cada jogada
Jogos com Oponentes Jogos com Oponentes ˆ Problemas de busca: não assumem a presença de um oponente ˆ Jogos: oponente INCERTEZA! ˆ Incerteza porque não se conhece as jogadas exatas do oponente e não por
Leia maisLocal search + Adversarial Search
Local search + Adversarial Search Stuart Russel and Peter Norvig, Artificial Intelligence: A modern approach, 3rd edition, Pearson Education, 2010 http://aima.cs.berkeley.edu/ chapter 4 Ernesto Costa e
Leia maisAprendizado por Reforço
Aprendizado por Reforço Fabrício Olivetti de França Universidade Federal do ABC Tópicos 1. Aprendizado por Reforço 2. Q-Learning 3. SARSA 4. Outras ideias 1 Aprendizado por Reforço Problemas de decisão
Leia maisJogos. Geralmente o oponente tentará, na medida do possível, fazer o movimento menos benéfico para o adversário.
Jogos Os jogos tem atraído a atenção da humanidade, às vezes de modo alarmante, desde a antiguidade. O que o torna atraente para a IA é que é uma abstração da competição (guerra), onde se idealizam mundos
Leia maisProf.: Eduardo Vargas Ferreira
Universidade Federal do Paraná Laboratório de Estatística e Geoinformação - LEG Introdução Prof.: Eduardo Vargas Ferreira O que é Machine Learning? Estatística Data Mining 2 O que é Machine Learning? Estatística
Leia maisAprendizado por Reforço usando Aproximação
Aprendizado por Reforço usando Aproximação de Funções Fabrício Olivetti de França Universidade Federal do ABC Tópicos 1. Aproximação de Funções 2. Do the evolution 1 Aproximação de Funções Função Utilidade
Leia maisInteligência Artificial
Repescagem Segundo Teste 31 de Janeiro de 2014 10:30-12:00 1.º Enunciado Esta prova é constituída por 5 enunciados separados. Preencha cuidadosamente o nome e número na primeira página de cada um dos enunciados.
Leia maisFabrício Jailson Barth BandTec
Introdução à Inteligência Artificial Fabrício Jailson Barth fabricio.barth@bandtec.com.br BandTec 1 o semestre de 2012 Objetivos e Sumário O que é Inteligência Artificial (IA)? Objetivos da IA. Influência
Leia maisManual básico de Go. MANUAL BÁSICO DE GO. Distribuição Gratuita.
MANUAL BÁSICO DE GO Distribuição Gratuita. Regras do GO: 1 As peças pretas começam a não ser que seja um jogo com handicap. 2 Os jogadores alternam suas jogadas, jogando-se uma peça por vez. 3 As peças
Leia maisJogos de Tabuleiro e Busca Competitiva
Jogos de Tabuleiro e Busca Competitiva Fabrício Jailson Barth Curso de Ciência da Computação Centro Universitário SENAC Maio de 2008 Sumário Características e Exemplos Histórico Árvore de busca Avaliação
Leia maisDeep Blue x Kasparov:
TECNOLOGIAS DO IMAGINÁRIO Deep Blue x Kasparov: Lenara Verle Mestranda Programa de Pós-grad. da FAMECOS/PU- O FATO DO COMPUTADOR especializado em xadrez da IBM, Deep Blue, ter ganho do campeão mundial
Leia maisInteligência Artificial
Inteligência rtificial usca ompetitiva Jogos usca ompetitiva Num ambiente multiagente, é necessário considerar as ações de outros agentes e o modo como essas ações nos afetam. imprevisibilidade de outros
Leia maisTraduzido e adaptado do inglês U.S. Chess Center
1 IX. JOGOS EMPATADOS Objetivos: 1. Saber as regras de empates e reconhecer quando uma partida está empatada. O principal objetivo desta lição é ensinar as regras de como as partidas podem ser empate e
Leia maisTodos conhecemos vários tipos de jogos, como xadrez, pôquer, jogo da velha, futebol, truco, jogos de computador a lista pode continuar a gosto.
Teoria dos Jogos 1 Estas notas são a tradução de parte do livro Game Theory de Thomas S. Ferguson, disponível na rede (www.gametheory.net). O objetivo será o de condensar num texto curto o que me parecer
Leia mais1/ 36. Computação 1 - Python Aula 1 - Teórica: Introdução
1/ 36 Computação 1 - Python Aula 1 - Teórica: Introdução Conhecendo a turma Experiência com programação e uso do computador Quantos já programaram antes? Quais linguagens? Quantos tem computador em casa
Leia maisJogos de Tabuleiro e Busca Competitiva
Jogos de Tabuleiro e Busca Competitiva Fabrício Jailson Barth BandTec Março de 2012 Sumário Características e Exemplos Histórico Árvore de busca Avaliação Estática Algoritmo Min Max Poda Alpha Beta Questões
Leia maisJ2 Velha. Uma Implementação Java do Jogo da Velha Utilizando o Algoritmo MiniMax. Universidade Federal do ABC ufabc. André Filipe de Moraes Batista
Universidade Federal do ABC ufabc J2 Velha Uma Implementação Java do Jogo da Velha Utilizando o Algoritmo MiniMax André Filipe de Moraes Batista andre.batista@ufabc.edu.br Luis Fernando de Oliveira Jacintho
Leia maisAprendizagem por Reforço
Aprendizagem por Reforço Motivação! Como um agente aprende a escolher ações apenas interagindo com o ambiente? n n Muitas vezes, é impraticável o uso de aprendizagem supervisionada w Como obter exemplos
Leia maisInteligência Artificial
Inteligência Artificial Fabrício Olivetti de França 07 de Junho de 2018 1 Agentes 2 Agente, Ambiente e Sensores Um agente é definido pelo ambiente que ele consegue perceber através de seus sensores e as
Leia maisProfs.: Eduardo Vargas Ferreira Walmes Marques Zeviani
Universidade Federal do Paraná Laboratório de Estatística e Geoinformação - LEG Introdução Profs.: Eduardo Vargas Ferreira Walmes Marques Zeviani O que é Machine Learning? Estatística Machine Learning
Leia maisImplementação e Avaliação do Algoritmo MCTS-UCT para o jogo Chinese Checkers. Jhonny Moreira
Implementação e Avaliação do Algoritmo MCTS-UCT para o jogo Chinese Checkers Jhonny Moreira Introdução Introdução Na área da inteligência artificial (IA), a motivação é conseguir colocar os computadores
Leia maisNovas Tecnologias de Informação
Novas Tecnologias de Informação Victor Lobo Objectivos gerais Abrir horizontes em temas actuais Aprender técnicas de Business Intelligence, ou Sistemas de apoio à decisão Métodos de DataMining Pesquisa
Leia maisCap.1 Introdução a NTI, DataMining, e Aprendizagem Automática V 3.0, V.Lobo, EN/ISEGI, 2005
Objectivos gerais Novas Tecnologias de Informação Victor Lobo Abrir horizontes em temas actuais Aprender técnicas de Business Intelligence, ou Sistemas de apoio à decisão Métodos de Mining Pesquisa de
Leia maisTrabalho de Implementação Jogo Reversi
Trabalho de Implementação Jogo Reversi Paulo Afonso Parreira Júnior {paulojr@comp.ufla.br} Rilson Machado de Olivera {rilson@comp.ufla.br} Universidade Federal de Lavras UFLA Departamento de Ciência da
Leia maisTécnicas de Desenho de Algoritmos
Técnicas de Desenho de Algoritmos Mudança de ênfase: da implementação de algoritmos para o desenho de algoritmos A ver: 5 tipos de algoritmos abordagem ao problema exemplos complexidade em tempo e espaço
Leia maisRoteiro da aula: Jogos dinâmicos com informação incompleta. Mas-Collel e Green capítulo 9 Refinamentos do conceito de Equilíbrio de Nash
Roteiro da aula: Jogos dinâmicos com informação incompleta Mas-Collel e Green capítulo 9 Refinamentos do conceito de quilíbrio de Nash Racionalidade seqüencial quilíbrio Bayesiano perfeito quilíbrio bayesiano
Leia maisINTELIGÊNCIA ARTIFICIAL
INTELIGÊNCIA ARTIFICIAL Segundo Exame 11 de Julho de 2006 9:00-11:00 Este exame é composto por 11 páginas contendo 8 grupos de perguntas. Identifique já todas as folhas do exame com o seu nome e número.
Leia maisInteligência Artificial. Resolução de problemas por meio de algoritmos de busca. Aula I - Introdução
Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação http://www.inf.unioeste.br/~claudia/ia2017.html Inteligência Artificial Resolução de problemas por meio de algoritmos
Leia maisAvaliação e Desempenho Aula 1 - Simulação
Avaliação e Desempenho Aula 1 - Simulação Introdução à simulação Geração de números aleatórios Lei dos grandes números Geração de variáveis aleatórias O Ciclo de Modelagem Sistema real Criação do Modelo
Leia maisUTILIZAÇÃO DE APRENDIZADO POR REFORÇO PARA APRENDER A ESTRATÉGIA DO JOGO DA VELHA
Anais do 12 O Encontro de Iniciação Científica e Pós-Graduação do ITA XII ENCITA / 2006 Instituto Tecnológico de Aeronáutica São José dos Campos SP Brasil Outubro 16 a19 2006 UTILIZAÇÃO DE APRENDIZADO
Leia maisAutor: Ayres Roberto Araújo Barcelos 1 Orientadora: Profª Rita Maria da Silva Julia 1. Universidade Federal de Uberlândia Uberlândia - MG - Brasil
Obtenção do jogador automático de damas baseado em LSDraughts, VisionDraughts e MPDraughts e avaliação de seu treinamento em um ambiente paralelo e distribuído Autor: Ayres Roberto Araújo Barcelos 1 Orientadora:
Leia mais3 Aprendizado por reforço
3 Aprendizado por reforço Aprendizado por reforço é um ramo estudado em estatística, psicologia, neurociência e ciência da computação. Atraiu o interesse de pesquisadores ligados a aprendizado de máquina
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Análise da dados através de gráficos Introdução a Simulação Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes
Leia maisSOLUÇÕES HEURÍSTICAS PARA O JOGO DE DAMAS
Universidade Federal do Tocantins SOLUÇÕES HEURÍSTICAS PARA O JOGO DE DAMAS Diogo Rigo de Brito Guimarães Alexandre Tadeu Rossini da Silva Objetivo Implementar soluções heurísticas para o Jogo de Damas
Leia maisExemplos. Jogo dos oito :-) Mundo dos blocos (ex: torre de Hanoi) Poblema das rainhas. Criptoaritmética. Missionários e Canibais.
istemas Inteligentes, 10-11 1 Exemplos Jogo dos oito :-) Mundo dos blocos (ex: torre de Hanoi) Poblema das rainhas Criptoaritmética Missionários e Canibais Resta-um e muitos outros... istemas Inteligentes,
Leia maisO peão Se um peão consegue chegar até a outra extremidade do tabuleiro(linha 8), ele é promovido. Um peão promovido é substituído, ainda na mesma jogada em que o movimento foi feito, por um cavalo, bispo,torreoudamadamesmacor.
Leia maisAPRENDIZAGEM DE MÁQUINA
APRENDIZAGEM DE MÁQUINA (usando Python) Thiago Marzagão REGRESSÃO LINEAR SIMPLES Thiago Marzagão APRENDIZAGEM DE MÁQUINA 1 / 22 as três grandes áreas da aprendizagem de máquina regressão classificação
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Análise da dados através de gráficos Introdução a Simulação Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes
Leia maisDivulgação de conteúdos para quem quiser APRENDER A JOGAR XADREZ
Divulgação de conteúdos para quem quiser APRENDER A JOGAR XADREZ Este trabalho resulta de uma parceria entre a FPX e a FCCN, com o apoio do IDP. Vídeos de divulgação: Fase 1 Iniciação: Regras básicas e
Leia maisInteligência Artificial
Inteligência Artificial Professor Rafael Stubs Parpinelli E-mail: rafael.parpinelli@udesc.br udesc.academia.edu/rafaelstubsparpinelli www.researchgate.net/profile/rafael_parpinelli www.joinville.udesc.br/portal/professores/parpinelli/
Leia maisTeoria dos Jogos. Prof. Maurício Bugarin Eco/UnB 2015-II. Aula 6 Teoria dos Jogos Maurício Bugarin
Teoria dos Jogos Prof. Maurício Bugarin Eco/UnB -II Roteiro Capítulo : Jogos dinâmicos com informação completa. Jogos Dinâmicos com Informação Completa e Perfeita Forma extensiva Estratégias Equilíbrio
Leia maisO principal objetivo desta lição é ensinar as regras de movimentação dos cavalos.
1 V. (a) CAVALOS Objetivos: 1. Fixar e aplicar as regras de movimentação dos cavalos. 2. Resolver problemas elementares usando os cavalos. O principal objetivo desta lição é ensinar as regras de movimentação
Leia maisBelos Problemas: Indução e Princípio das Gavetas de Dirichlet
Belos Problemas: Indução e Princípio das Gavetas de Dirichlet Rogério Ricardo Steffenon 1 1 Universidade do Vale do Rio dos Sinos, Email: steffenonenator@gmail.com Neste minicurso serão apresentados e
Leia maisBuscando um Invariante
Resolução de Problemas Lista 01 com dicas e discussão Faça mentalmente as seguintes multiplicações: 1. 27 37 2. 21 23 Invente e resolva um problema, usando como inspiração o problema anterior. Decida o
Leia maisModelagem e Análise de Sistemas - COS767
Modelagem e Análise de Sistemas - COS767 Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Geração de variáveis aleatórias: método da transformada inversa Simulação
Leia maisTEORIA DOS JOGOS E APRENDIZADO
TEORIA DOS JOGOS E APRENDIZADO DE MÁQUINA Estudos Iniciais André Filipe de Moraes Batista Disciplina de Aprendizagem de Máquina UFABC 2010 TEORIA DOS JOGOS Ramo da matemática aplicada estuda situações
Leia maisREGRAS DOS JOGOS do CNJM15
REGRAS DOS JOGOS do CNJM15 Semáforo Autor: Alan Parr 8 peças verdes, 8 amarelas e 8 vermelhas partilhadas pelos jogadores. Ser o primeiro a conseguir uma linha de três peças da mesma cor na horizontal,
Leia maisProblema de Satisfação de Restrições
Problema de Satisfação de Restrições Exemplos de PSR (CSP, Constraint Satisfaction Problem) Busca genérica aplicada a PSRs Backtracking Verificação forward Heurísticas para PSRs Problema de Satisfação
Leia maisProblema de Satisfação de Restrições. Problema de Satisfação de Restrições. Grafo de restrições. Exemplo: 4 Rainhas como um PSR
Problema de Satisfação de Restrições Problema de Satisfação de Restrições Exemplos de PSR (CSP, Constraint Satisfaction Problem) Busca genérica aplicada a PSRs Backtracking Verificação forward Heurísticas
Leia maisPEGUE 10. Quantidade: 08 unidades
1 PEGUE 10 Materiais Um tabuleiro e 66 cartas redondas com os numerais de 1 a 7 nas seguintes quantidades: 1 22 cartas; 6-2 cartas; 2-16 cartas; 7-2 cartas; 3-12 cartas; Coringa 1 carta. 4-7 cartas; 5-4
Leia mais