Národní úložiště šedé literatury Nalezeno 10 záznamů.  Hledání trvalo 0.01 vteřin. 
Using reinforcement learning to learn how to play text-based games
Zelinka, Mikuláš ; Kadlec, Rudolf (vedoucí práce)
Schopnost naučit se optimálnímu chování v prostředích, kde jsou stavy i akce vyjádřeny v přirozeném jazyce, by se dala aplikovat na řadu skutečných problémů, jako je optimalizace dialogových systémů. Pro tento učící problém jsou vhodnou doménou textové hry s větším počtem možných konců se zpětnou vazbou v podobně číselných ohodnocení. S její pomocí můžeme v tomto kontextu využít technik zpětnovazebního učení pro současné učení vhodné reprezentace textových dat a rozhodovacích pravidel. Představujeme model obecného agenta schopného hrát textové hry a zkoumáme jeho schopnost generalizace a přenosu získaných znalostí na nová prostředí. Rovněž demonstrujeme, že se agent dokáže naučit hrát více textových her najednou. Dále prezentujeme otevřenou knihovnu pyfiction, která sjednocuje přístup k různým textovým hrám a doufáme, že společně s agentem, který je její součástí, by v budoucnu mohla sloužit jako referenční rámec pro podobné úlohy.
Praktické příklady z umělé inteligence
Mařík, Matouš ; Švancara, Jiří (vedoucí práce) ; Zelinka, Mikuláš (oponent)
Práce popisuje praktické úlohy k přednášce z Umělé inteligence, jež mají za úkol seznámit studenty se základnějšími strukturami a algoritmy této oblasti informatiky: s racionálním agentem, s neinformovaným a informovaným prohledáváním, s herními algoritmy a s algoritmy pro splňování omezujících podmínek. Součástí je motivace pro tvorbu těchto úloh, jejich implementace a dokumentace.
Umělá inteligence pro deskovou hru Patchwork
Chudoba, Michal ; Holan, Tomáš (vedoucí práce) ; Zelinka, Mikuláš (oponent)
Bakalářská práce na téma umělá inteligence ve hře Patchwork. Zabývá se jak samotnou implementací hry a počítačem řízeného hráče, tak i přístupem, který byl brán k dosažení kompetentního protivníka. Vyvinutý program umožňuje hru uživatele s různými druhy protivníka, ale také dává ukázku simulace hráčů mezi sebou. Byla provedena analýza, zda je výhodné, či nevýhodné začínat hru.
Zobecněné hry na šachovnici
Emmerová, Petra ; Pilát, Martin (vedoucí práce) ; Zelinka, Mikuláš (oponent)
Tato práce se zabývá deskovými hrami na šachovnici a výzkumem, který algoritmus je pro ně nejvhodnější. V rámci práce byla nejprve implementována aplikace schopná hrát hry na šachovnici a pomocí uživatelského rozhraní či textového souboru definovat vlastní hru. Dále byl implementován minimaxový algoritmus s alfa-beta ořezáváním a Monte Carlo Tree Search tak, aby byl schopen hrát jakékoli hry vytvořené uživatelem. Následné porovnání poté ukázalo, že pro obecnou hru na šachovnici má nejlepší výsledky minimaxový algoritmus s alfa-beta ořezáváním. 1
Umělá inteligence pro hru Tajuplné říše
Miklóšová, Tereza ; Hric, Jan (vedoucí práce) ; Zelinka, Mikuláš (oponent)
V této práci se zabýváme implementací karetní hry Tajuplné říše pro hru více hráčů a zároveň umělou inteligencí, která by tuto hru mohla hrát. Umělá inteligence je založena na hladovém algoritmu, postupně rozšířena o hladový algoritmus s větším výhledem, a dále na zpětnovazebním učení. Hladový algoritmus se ukázal jako dobrý přístup ke hraní této hry a dosahuje průměrně velmi hezkých výsledků. Naopak při navržení modelu pro zpětnovazební učení jsme nedokázali zachytit všechny charakteristiky karet a hráč zpětnovazebního učení se ani po postupném zlepšení nedokázal vyrovnat hladovému hráči. 1
Umělá inteligence pro hru Carcassonne - Objevitelé
Motlíček, Ondřej ; Hric, Jan (vedoucí práce) ; Zelinka, Mikuláš (oponent)
Bakalářská práce se zabývá vývojem umělých inteligencí pro hru Carcassonne - Obje- vitelé. V této práci jsou představeny různé metody pro vytvoření umělé inteligence. Jsou zde vytvořeny heuristické funkce zaměřující se na různé aspekty hry. Pro prohledávání stavového prostoru hry jsou použity Monte Carlo metody a algoritmus Expectiminimax. Navržené metody umělých inteligencí jsou implementovány a experimentálně porovnány pomocí simulací vzájemných střetnutí. Jsou zde představeny a vysvětleny získané vý- sledky her umělých inteligencí. V rámci simulační prostředí jsou implementovány pro- gramy umožňující hru umělých i lidských hráčů s důrazem na automatickou dávkovou simulaci her umělých inteligencí. 1
Zjednodušené verze šachů pro výuku hry
Hübsch, Anna ; Pilát, Martin (vedoucí práce) ; Zelinka, Mikuláš (oponent)
Šachy jsou i přes svůj věk stále jedna z nejznámějších a nejhranějších des- kových her. V dnešní době je čím dál tím více populární trénink dětí, během kterého se používají zjednodušené verze hry. Cílem práce bylo vytvořit pro- gram pro trénink dětí a porovnat různé metody umělé inteligence. V práci byly porovnány algoritmy Monte Carlo Tree Search, Minimax a Alfa-beta ořezávání. Dále práce obsahuje několik variant ohodnocujících funkcí. Vytvo- řený program nabízí výběr nejpoužívanějších zjednodušených verzí šachu a také Fischerovy šachy. Teoretická část práce obsahuje základní informace o šachu a jejich tréninku, historii počítačového šachu a popis použitých algo- ritmů. Dále porovnává implementované algoritmy a to jak z hlediska úrovně hry tak i z použitelnosti při tréninku. Mezi zajímavé výstupy práce patří pozorování, že v průběhu hry se mění hodnota figurek, a že v koncových po- zicích je klasické šachové ohodnocení slabší než ohodnocení získané evolučním algoritmem. 1
Evolutionary Algorithm-based Procedural Level Generator for a Rogue-like Game
Vegricht, Jan ; Gemrot, Jakub (vedoucí práce) ; Zelinka, Mikuláš (oponent)
Název práce: Procedurální generátor úrovní pro rogue-like hru založený na evolučních algoritmech Autor: Jan Vegricht Katedra: Katedra softwaru a výuky informatiky Vedoucí práce: Mgr. Jakub Gemrot, Ph.D., Katedra softwaru a výuky informatiky Abstrakt: Rogue-like hry jsou v herním průmyslu žánrem s dlouho tradicí. Jedním významným faktorem běžně sdružovaným s rouge-like hrami je procedurální generování úrovní. Cílem této práce je navrhnout a implementovat generátor úrovní pro jednu konkrétní rouge-like hru pomocí evolučních algoritmů jakožto hlavním generačním prostředkem. Metody a výsledky jsou poté porovnány s neevolučními alternativními algoritmy, které se snaží generovat podobná řešení. Výsledky se zdají poukazovat na to, že ačkoli se evoluční algoritmy dají použít pro generování map, praktické užití je z větší části omezené. Klíčová slova: evoluční algoritmy, procedurální generování, optimalizace s omezením, rogue-like
Using reinforcement learning to learn how to play text-based games
Zelinka, Mikuláš ; Kadlec, Rudolf (vedoucí práce) ; Lisý, Viliam (oponent)
Schopnost naučit se optimálnímu chování v prostředích, kde jsou stavy i akce vyjádřeny v přirozeném jazyce, by se dala aplikovat na řadu skutečných problémů, jako je optimalizace dialogových systémů. Pro tento učící problém jsou vhodnou doménou textové hry s větším počtem možných konců se zpětnou vazbou v podobně číselných ohodnocení. S její pomocí můžeme v tomto kontextu využít technik zpětnovazebního učení pro současné učení vhodné reprezentace textových dat a rozhodovacích pravidel. Představujeme model obecného agenta schopného hrát textové hry a zkoumáme jeho schopnost generalizace a přenosu získaných znalostí na nová prostředí. Rovněž demonstrujeme, že se agent dokáže naučit hrát více textových her najednou. Dále prezentujeme otevřenou knihovnu pyfiction, která sjednocuje přístup k různým textovým hrám a doufáme, že společně s agentem, který je její součástí, by v budoucnu mohla sloužit jako referenční rámec pro podobné úlohy.
Using yaPOSH for CTF team behaviour
Zelinka, Mikuláš ; Bída, Michal (vedoucí práce) ; Bošanský, Branislav (oponent)
Název práce: Specifikace týmového chování pro CTF pomocí yaPOSHe Autor: Mikuláš Zelinka Katedra: Kabinet software a výuky informatiky Vedoucí bakalářské práce: Mgr. Michal Bída Abstrakt: Vyhodnotili jsme vhodnost použití yaPOSHe (nástroje pro plánování virtuálních agentů) pro specifikaci složitého týmového chování v módu Capture the Flag (CTF) hry Unreal Tournament 2004. Pomocí yaPOSHe jsme vytvořili tým botů do CTF a porovnali jej s týmem napsaným V. Tumou v jazyce Java a rovněž s boty od autorů hry. Ukázalo se, že yaPOSH má oproti samotné Javě řadu výhod (zejména co se týče čitelnosti kódu), nicméně není možné vytvořit kvalitní boty pouze s jeho výhradním použitím. Důvodem je zejména absence podpory paralelního vyhod- nocování yaPOSH plánů. Proto musely být části chování (např. řešení soubojů) naprogramovány v Javě. Výsledný CTF tým je ale i tak znatelně lepší než původní boti autorů hry a ve většině případů lepší než bot V. Tumy. Na základě těchto poznatků jsme navrhli několik vylepšení jak vyhodocovacího enginu yaPOSHe, tak i editoru jeho plánů. Výrazně by pomohlo umožnit paralelní vyhodnocování plánu nebo povolit vyhodnocování několika různých plánů jed- noho agenta najednou....

Viz též: podobná jména autorů
8 Zelinka, Marek
12 Zelinka, Martin
2 Zelinka, Michal
3 Zelinka, Miloslav
Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.