|
|
Search in Imperfect Information Games
Schmid, Martin ; Hladík, Milan (vedoucí práce) ; Szepesvari, Csaba (oponent) ; Bošanský, Branislav (oponent)
Od prvopočátku herních algoritmů byla kombinace hledání a ohodnocení budoucích stavů hry základním konceptem. Turingův šachový algoritmus z roku 1950 dokázal myslet dva kroky vpřed a Shannonova práce z roku 1950 obsahuje rozsáhlou část o způsobech ohodnocení stavů, které mají být použity při vyhledávání. Samuelův program pro hru dáma z roku 1959 již kombinuje vyhledávání a ohodnocení které se učí prostřednictvím selfp-play a bootstrap- pingu. TD-Gammon na tyto myšlenky navazuje a využívá neuronové sítě k osvojení těchto komplexních funkcí. Kombinace hledávání a hodnocení stavů byla přítomna v mnoha milnících, kde počítače překonaly své lidské protějšky - DeepBlue pro šachy a AlphaGo pro Go. Až donedávna byla tato kombinace omezena na hry s úplnou informací. Ale mnoho zajímavých problémů neposkytuje agentovi dokonalou informaci o prostředí. Tato práce uvádí čtenáře do metod umožňující hledání v hrách s neúplnou informací. 1
|
|
|
Game theory and poker
Schmid, Martin ; Hladík, Milan (vedoucí práce) ; Zimmermann, Karel (oponent)
Tato práce představí základní koncepty teorie her. Jsou představeny nezbytné modely a koncepty, následovány výpočetní složitostí odpovídajích algoritmů. Pok- er je formalizován v rámci modelů teorie her. Nejnovější algoritmy pro tento mod- el her jsou vysvětleny pomocí aplikace na poker. Práce také podává přehled o tom jak mezi sebou mohou jednotlivé programy soutěžit, konkrétně na příkladu Annu- al Computer Poker Competition a příhlášených programů. Nakonec je představen nový výsledek týkající se extensive form her s mnoha akcemi. Klíčová slova: Teorie her, poker, Nash equilibrium, hry s neúplnou informací
|
|
|
Opponent Modelling in Games with Imperfect Information
Kovačič, Milan ; Schmid, Martin (vedoucí práce) ; Hartman, David (oponent)
Tato práce se zabývá problematikou oponent modelingu. Cílem této práce je představit rozumnou selekci technik, které predikují chování oponentů v hrách bez perfektní informace a rozumně tuto výhodu využívají. V této práci jsem se zaměřil na osvětlení fundamentálních pojmů, představení předmětných technik a na bezpečnost oponent modelingu vzhledem na platformu hry poker. Výzkum ukázal, že efektivní oponent modeling je možný s vyhovujici bezpečností a zároveň překvapivou efektivitou v komparaci s pesimistickým pristupem hledání Equilibria.
|
|
|
Konvoluční neuronové sítě a jejich implementace
Schmid, Martin ; Mrázová, Iveta (vedoucí práce) ; Petříčková, Zuzana (oponent)
Tato práce ukazuje možnost využití konvolučních neuronových sítí pro rozpoznávání symbolů z obrázku. Popisuje tento model a také představuje jeho implementaci. Tato implementaci je následně použita v ukázkové aplikaci. Nejprve je představen model neuronových sítí. Poté následuje popis učení tohoto modelu, včetně bližšího popisu algoritmu zpětného šíření. Nakonec je rozebrán model konvolučních neuronových sítí, kde jsou ukázány jeho přednosti při rozpoznávání obrázků Dále se analyzují některé stávající implementace neuronových sítí. Každá je blíže představena a nakonec porovnány rychlosti. Protože žádná z těchto implementací nepodporuje model konvolučních neuronových sítí, je jedna z implementací o tento model rozšířena. Následuje bližší popis problematiky implementace tohoto modelu a představeno rozhraní rozšířené knihovny (tj. jak uživatel tuto knihovnu může použít). Pro předvedení vlastností konvolučních neuronových sítí a funkčnosti této knihovny, je nakonec vytvořena ukázková aplikace. Aplikace je dostupná na webových stránkách a spustitelná v prohlížeči. Využívá této knihovnu pro rozpoznávání symbolů kreslených uživatelem přímo do této aplikace. Klíčová slova: Konvoluční neuronové sítě, OCR, Encog 6
|
|
|
Opponent Modelling in Games with Imperfect Information
Kovačič, Milan ; Schmid, Martin (vedoucí práce) ; Hartman, David (oponent)
Tato práce se zabývá problematikou oponent modelingu. Cílem této práce je představit rozumnou selekci technik, které predikují chování oponentů v hrách bez perfektní informace a rozumně tuto výhodu využívají. V této práci jsem se zaměřil na osvětlení fundamentálních pojmů, představení předmětných technik a na bezpečnost oponent modelingu vzhledem na platformu hry poker. Výzkum ukázal, že efektivní oponent modeling je možný s vyhovujici bezpečností a zároveň překvapivou efektivitou v komparaci s pesimistickým pristupem hledání Equilibria.
|
|
|
Game theory and poker
Schmid, Martin ; Hladík, Milan (vedoucí práce) ; Zimmermann, Karel (oponent)
Tato práce představí základní koncepty teorie her. Jsou představeny nezbytné modely a koncepty, následovány výpočetní složitostí odpovídajích algoritmů. Pok- er je formalizován v rámci modelů teorie her. Nejnovější algoritmy pro tento mod- el her jsou vysvětleny pomocí aplikace na poker. Práce také podává přehled o tom jak mezi sebou mohou jednotlivé programy soutěžit, konkrétně na příkladu Annu- al Computer Poker Competition a příhlášených programů. Nakonec je představen nový výsledek týkající se extensive form her s mnoha akcemi. Klíčová slova: Teorie her, poker, Nash equilibrium, hry s neúplnou informací
|
|
|
Konvoluční neuronové sítě a jejich implementace
Schmid, Martin ; Mrázová, Iveta (vedoucí práce) ; Petříčková, Zuzana (oponent)
Tato práce ukazuje možnost využití konvolučních neuronových sítí pro rozpoznávání symbolů z obrázku. Popisuje tento model a také představuje jeho implementaci. Tato implementaci je následně použita v ukázkové aplikaci. Nejprve je představen model neuronových sítí. Poté následuje popis učení tohoto modelu, včetně bližšího popisu algoritmu zpětného šíření. Nakonec je rozebrán model konvolučních neuronových sítí, kde jsou ukázány jeho přednosti při rozpoznávání obrázků Dále se analyzují některé stávající implementace neuronových sítí. Každá je blíže představena a nakonec porovnány rychlosti. Protože žádná z těchto implementací nepodporuje model konvolučních neuronových sítí, je jedna z implementací o tento model rozšířena. Následuje bližší popis problematiky implementace tohoto modelu a představeno rozhraní rozšířené knihovny (tj. jak uživatel tuto knihovnu může použít). Pro předvedení vlastností konvolučních neuronových sítí a funkčnosti této knihovny, je nakonec vytvořena ukázková aplikace. Aplikace je dostupná na webových stránkách a spustitelná v prohlížeči. Využívá této knihovnu pro rozpoznávání symbolů kreslených uživatelem přímo do této aplikace. Klíčová slova: Konvoluční neuronové sítě, OCR, Encog 6
|
host ::
RSS.