Název: Meta-učící metody pro analýzu trendů her Go
Překlad názvu: Meta-learning methods for analyzing Go playing trends
Autoři: Moudřík, Josef ; Neruda, Roman (vedoucí práce) ; Mráz, František (oponent)
Typ dokumentu: Diplomové práce
Rok: 2013
Jazyk: eng
Abstrakt: [eng] [cze]
This thesis extends the methodology for extracting evaluations of players from samples of Go game records originally presented in (Baudiš - Moudřík, 2012). Firstly, this work adds more features and lays out a methodology for their comparison. Secondly, we develop a robust machine-learning framework, which is able to capture dependencies between the evaluations and general target variable using ensemble meta-learning with a genetic algorithm. We apply this framework to two domains, estimation of strength and styles. The results show that the inference of the target variables in both cases is viable and reasonably precise. Finally, we present a web application, which realizes the methodology, while presenting a prototype teaching aid for the Go players and gathering more data. Powered by TCPDF (www.tcpdf.org) Práce rozšiřuje metodiku pro ohodnocování hráčů hry go na základě záznamů jejich her, kterou jsme dříve publikovali v (Baudiš - Moudřík, 2012). V této diplomové práci jsme nejprve přidali některé featury a navrhli metodiku pro jejich porovnávání. Následně jsme představili robustní framework, který je pomocí metod strojového učení schopen zachytit závislosti mezi ohodnoceními hráčů a obecnou závislou proměnou. Tento framework spočívá v evoluci ansámblových metod strojového učení. Aplikovali jsme jej na dva problémy - predikci síly hráčů a stylů jejich hry. Výsledky ukazují, že v obou případech je možné tuto predikci provést s rozumnou přesností. Jedním z výsledků práce je i webová aplikace, která demonstruje metodiku navrženou v této práci, slouží jako pomůcka pro studium hry go a umožňuje další sběr dat. Powered by TCPDF (www.tcpdf.org)
Klíčová slova: aproximace funkcí; evoluce ansámblů; Go; strojové učení; evolution of ensembles; function approximation; Go; machine learning

Instituce: Fakulty UK (VŠKP) (web)
Informace o dostupnosti dokumentu: Dostupné v digitálním repozitáři UK.
Původní záznam: http://hdl.handle.net/20.500.11956/58538

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-327795


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Univerzita Karlova > Fakulty UK (VŠKP)
Vysokoškolské kvalifikační práce > Diplomové práce