Mesterséges Intelligencia MI
|
|
- Gergely Biró
- 7 évvel ezelőtt
- Látták:
Átírás
1 Mesterséges Intelligencia MI Keresés ellenséges környezetben Dobrowiecki Tadeusz Eredics Péter, és mások BME I.E. 437,
2 Ellenség elleni játékok, kétszemélyes játékok,... Probléma: nem csak mi lépünk, az ellenség is lép nem tudjuk, mit fog lépni mindenre fel kell készülni megfelelő válaszlépéssel, azaz stratégiával (l. korábban eshetőségi problématípus) zérus-összegű, vagy sem? keresés eredménye = stratégia = optimális/jó válasz az ellenség minden lépésére volt már(?): MDF, U(s), Q(s), optimális stratégia
3 Sakk: Játék állapottere: állások száma (10 47 ) Játék játékfája: játékok száma ( ) (Átlagos) elágazás: (35)
4 Minimax gondolata Tulajdonságai Teljes? Igen, ha a fa véges. Optimális? Igen, egy optimálisan játszó ellenféllel szemben. Különben? Időkomplexitás? O(b m ) Tár? O(bm) (mélységi jelleg miatt) (sakk: b 35, m 80? O( )) (de szükséges minden ágat feltárni?)
5 Nim II-Nim 1. Bizonyos számú gyufakupac. 2. Egy lépésben egy játékosnak tetszőleges sz. gyufát szabad elvenni, de csakis egyetlen egy kupacról. 3. Aki az utolsó veszi el, veszít.
6
7 +1
8 +1 +1
9 +1 +1
10
11
12
13
14
15
16 (A játék megoldása: Aki kezd, az veszít, ha az ellenfél optimálisan játszik)
17 Dámajáték megoldva, hibátlan játék döntetlenhez vezet! Dámajáték keresési tere kb. 5 x pozició. Történelem Arthur Samuel öntanuló programja győztes parti tehetséges emberjátékos ellen Chinook projekt, legyőzni emberi világbajnokot Chinook jogosult Világbajnokságban részt venni Marion Tinsley világbajnok a világbajnoki címért folytatott mérkőzésen nehezen felül kerekedik 1994 visszavágó, Tinsley egészségi állapota miatt visszalép, rövidesen meghal Chinook minden emberi játékosnál erősebb
18 A számítások története csúcs: több, mint 200 processzor átlagosan 50 processzor A leghosszabb folyamatosan futtatott elosztott számítás ezidáig Számítások és az informatikai rendszerek megbízhatósága Nagy méretű adatfájlok gyakori mozgatása helyi diszkre, hálózaton más gépre hibák évente többször (duplikálás, ellenőrzés) Kiszámított kész adatbázisok periodikus ellenőrzése adatvesztés veszélye miatt ( bit rot ), másolatmentés, újraszámítás diszk gyártók jótállása 10 3 hibaarány számítások annál sokkal bonyolultabbak
19 Minimax algoritmus Tegyük fel, hogy tudjuk, hogy a játék kimenetele csakis és 1. Spórolhatunk-e a számításokból? És ha valós? Jogos levágások (cut-off)
20 Minimax algoritmus
21 Minimax és alfa-béta nyesés MAX >=2 Játékfa generálása mélység először jelleggel, d mélységig. Ha lehetséges, a kiértékelő függvényértékek becsléseinek (alfa és béta értékek) visszaterjesztése. MIN MAX =2 A végleges döntést befolyásolni nem képes ágak nyesése Garantált minimax eredmény kevesebb ill. legalább ugyanannyi számítással. <=1?
22 Minimax és alfa-béta nyesés Nyesés a végeredményt nem befolyásolja. Jó lépésrendezés fokozza a nyesés hatékonyságát "Tökéletes rendezéssel" az időkomplexitás = O(b m/2 ) Átlagosan = O(b 3m/4 ) a keresés mélységét duplázza (sakknál O(b m/2 ) = O(( b) m ) effektív b az eredeti 35 helyett: b = 35 6) Ha m a Játékos számára jobb, mint n, akkor a játék során sosem fogunk elérni n-be.
23
24 ~cs61b/fa14/ta-materials/apps/ ab_tree_practice/
25 Kiértékelő függvények Állapot szám leképezés. Minél nagyobb a szám, annál értékesebb az állapot (pozíció).(ld. implicit állapotábrázolás a megerősítéses tanulásnál) Adott állapot minősítése egy bizonyos mélységű keresési fa bejárása, ahol a levelek nem a játék végállapotai, hanem a kiértékelő függvénnyel minősített közbülső állapotok. Játék elején (a célállapottól messze a kiértékelő függvény pontatlan, valamilyen mélységű kereséssel kell párosítani. Játék végén (a célállapothoz közel) a kiértékelő függvény olyan pontos is lehet, hogy az állapot jellemzésére akár közvetlenül is alkalmazható. Deep Blue I Deep Blue II, jellegfüggvény (chess chip)
26 Játékfa véletlen elemet tartalmazó teljes információjú játékoknál Játékosak döntésállapotai + a természet véletlen állapotai = esélycsomópontok (chance nodes), a problémára jellemző valószínűségekkel. Állapotértékelés = végleges várható értékeke.... Egyágenses problémák = speciális 2 ágenses játékproblémák a másik ágens a környezet: nem törődik semmivel (nem ellenséges) a nyeresége az ágens költsége (ellenséges)
27 Kis HF9 Játékszabályok: 1. Piros lép elsőnek. 2. Mindenki lépéskényszerben van. 3. Játékos léphet valamelyik szomszédos mezőre, ha az szabad, ill. átugarhatja az ellenfelét, ha az vele szomszédos és a mögötte lévő mező üres. 4. Az győz, aki elsőnek éri el az ellenfél kiinduló pozicióját. Feladatok/kérdések: 1. Rajzolja fel (kockás papír preferált) a játék játékfáját! (Ügyeljen arra, hogy a oda-vissza lépések miatt a játékfa végtelen ágakat is tartalmaz. Azokat a húrkok bevezetésével szüntesse meg!) 2. Érjen a piros győzelme +1, a fehér győzelme pontot. Minimax algoritmussal állapítsa meg a gyökér értékét (azaz ki a biztos győztes)! A számításnál ügyesen vegye figyelembe a húrkok létezését.
Kétszemélyes játékok
Mesterséges Intelligencia alapjai, gyakorlat Eötvös Loránd Tudományegyetem Informatikai Kar Programozáselmélet és Szoftvertechnológiai Tanszék 2010 / udapest Kétszemélyes teljes információjú játékok két
RészletesebbenKétszemélyes játékok Gregorics Tibor Mesterséges intelligencia
Kétszemélyes játékok Kétszemélyes, teljes információjú, véges, determinisztikus,zéró összegű játékok Két játékos lép felváltva adott szabályok szerint, amíg a játszma véget nem ér. Mindkét játékos ismeri
RészletesebbenV. Kétszemélyes játékok
Teljes információjú, véges, zéró összegű kétszemélyes játékok V. Kétszemélyes játékok Két játékos lép felváltva adott szabályok szerint. Mindkét játékos ismeri a maga és az ellenfele összes választási
RészletesebbenMesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008
Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008 Az Előadások Témái Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció Gráfkeresési stratégiák Szemantikus hálók
RészletesebbenMesterséges Intelligencia MI
Mesterséges Intelligencia MI Problémamegoldás kereséssel ha sötétben tapogatózunk Dobrowiecki Tadeusz Eredics Péter, és mások BME I.E. 437, 463-28-99 dobrowiecki@mit.bme.hu, http://www.mit.bme.hu/general/staff/tade
RészletesebbenMesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363
1/33 Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 Az Előadások Témái 110/33 Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció Gráfkeresési stratégiák Szemantikus
RészletesebbenMesterséges intelligencia 3. laborgyakorlat
Mesterséges intelligencia 3. laborgyakorlat Kétszemélyes játékok - Minimax A következő típusú játékok megoldásával foglalkozunk: (a) kétszemélyes, (b) determinisztikus, (c) zéróösszegű, (d) teljes információjú.
RészletesebbenMesterséges Intelligencia MI
Mesterséges Intelligencia MI Problémamegoldás kereséssel - ha segítenek útjelzések Dobrowiecki Tadeusz Eredics Péter, és mások BME I.E. 437, 463-28-99 dobrowiecki@mit.bme.hu, http://www.mit.bme.hu/general/staff/tade
RészletesebbenULTIMATE TIC TAC TOE. Serfőző Péter
ULTIMATE TIC TAC TOE Serfőző Péter 2016.05.02. ULTIMATE TIC TAC TOE Amőba alapján Két változat, az első könnyű, a második nehéz A játék keletkezéséről nincsenek információk, de a játékelmélet elkezdett
RészletesebbenNyerni jó. 7.-8. évfolyam
Boronkay György Műszaki Középiskola és Gimnázium 2600 Vác, Németh László u. 4-6. : 27-317 - 077 /fax: 27-315 - 093 WEB: http://boronkay.vac.hu e-mail: boronkay@vac.hu Levelező Matematika Szakkör Nyerni
RészletesebbenMesterséges Intelligencia MI
Mesterséges Intelligencia MI Racionalitás: a hasznosság és a döntés Dobrowiecki Tadeusz Eredics Péter, és mások BME I.E. 437, 463-28-99 dobrowiecki@mit.bme.hu, http://www.mit.bme.hu/general/staff/tade
RészletesebbenMegerősítéses tanulási módszerek és alkalmazásaik
MISKOLCI EGYETEM GÉPÉSZMÉRNÖKI ÉS INFORMATIKAI KAR Megerősítéses tanulási módszerek és alkalmazásaik Tompa Tamás tanársegéd Általános Informatikai Intézeti Tanszék Miskolc, 2017. szeptember 15. Tartalom
RészletesebbenProblémamegoldás kereséssel. Mesterséges intelligencia március 7.
Problémamegoldás kereséssel Mesterséges intelligencia 2014. március 7. Bevezetés Problémamegoldó ágens Kívánt állapotba vezető cselekvéseket keres Probléma megfogalmazása Megoldás megfogalmazása Keresési
RészletesebbenGEOMATECH TANULMÁNYI VERSENYEK 2015. ÁPRILIS
GEOMATECH TANULMÁNYI VERSENYEK 2015. ÁPRILIS Eddig nehezebb típusú feladatokkal dolgoztunk. Most, hogy közeledik a tavaszi szünet, játékra hívunk benneteket! Kétszemélyes játékokat fogunk játszani és elemezni.
RészletesebbenMesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008
Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008 Az Előadások Témái Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció Gráfkeresési stratégiák Szemantikus hálók
RészletesebbenMesterséges Intelligencia MI
Mesterséges Intelligencia MI Problémamegoldás kereséssel - lokális információval Pataki Béla Bolgár Bence BME I.E. 414, 463-26-79 pataki@mit.bme.hu, http://www.mit.bme.hu/general/staff/pataki Rugó tervezése
RészletesebbenSZOFTVERES SZEMLÉLTETÉS A MESTERSÉGES INTELLIGENCIA OKTATÁSÁBAN _ Jeszenszky Péter Debreceni Egyetem, Informatikai Kar jeszenszky.peter@inf.unideb.
SZOFTVERES SZEMLÉLTETÉS A MESTERSÉGES INTELLIGENCIA OKTATÁSÁBAN _ Jeszenszky Péter Debreceni Egyetem, Informatikai Kar jeszenszky.peter@inf.unideb.hu Mesterséges intelligencia oktatás a DE Informatikai
RészletesebbenBonyolult jelenség, aminek nincs jó modellje, sok empirikus adat, intelligens (ember)ágens képessége, hogy ilyen problémákkal mégis megbirkozzék.
Vizsga, 2015. dec. 22. B cs. B1. Hogyan jellemezhetők a tanulást igénylő feladatok? (vendégelőadás) Bonyolult jelenség, aminek nincs jó modellje, sok empirikus adat, intelligens (ember)ágens képessége,
RészletesebbenMesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363
1/6 Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 Az Előadások Témái 46/6 Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció stratégiák Szemantikus hálók
RészletesebbenDöntési rendszerek I.
Döntési rendszerek I. SZTE Informatikai Intézet Számítógépes Optimalizálás Tanszék Készítette: London András 8 Gyakorlat Alapfogalmak A terület alapfogalmai megtalálhatók Pluhár András Döntési rendszerek
RészletesebbenAz alábbi szabály-elemek különböző kombinációi számos dámaváltozatot eredményeznek.
Verseny-céljukban üsd le mind jellegűek. Olyan lépés-szabállyal, amelyben az ellenfél egy-egy bábujának átugrása annak leütését eredményezi. Általánosabban, egy-egy előre felrakott kezdőállásból felváltva
RészletesebbenJátékelmélet. előadás jegyzet. Kátai-Urbán Kamilla. Tudnivalók Honlap: http://www.math.u-szeged.hu/~katai Vizsga: írásbeli.
Játékelmélet Kátai-Urbán Kamilla Tudnivalók Honlap: http://www.math.u-szeged.hu/~katai Vizsga: írásbeli Irodalom előadás jegyzet J. D. Williams: Játékelmélet Filep László: Játékelmélet 1. Előadás Történeti
RészletesebbenNem-kooperatív játékok
Nem-kooperatív játékok Versengő ágensek konfliktusai játékelmélet Cselekvéseivel mások cselekvéseinek hatását befolyásolják. Ettől a cselekvések (mind) várható haszna meg fog változni. A változás az én
RészletesebbenKÉTSZEMÉLYES JÁTÉKOK
Debreceni Egyetem Informatika Kar KÉTSZEMÉLYES JÁTÉKOK Témavezető: Mecsei Zoltán Egyetemi tanársegéd Készítette: Briz Ádám Programtervező informatikus Bsc Debrecen 2009 TARTALOMJEGYZÉK 1. BEVEZETÉS...
RészletesebbenGarry Kasparov a Deep Blue ellen
Döntéstámogató rendszerek 2013/14 1.félév Az IBM Deep Blue Sakkszámítógép Készítette: 2013.11.18. Tartalomjegyzék 1. Bevezetés... 3 2. Rendszer konfiguráció... 3 3. A sakk-chip felépítése... 4 Lépés generátor...
RészletesebbenMegerősítéses tanulás 2. előadás
Megerősítéses tanulás 2. előadás 1 Technikai dolgok Email szityu@eotvoscollegium.hu Annai levlista http://nipglab04.inf.elte.hu/cgi-bin/mailman/listinfo/annai/ Olvasnivaló: Sutton, Barto: Reinforcement
RészletesebbenIsola (1-1 db sötét és világos király-bábu és max. 45 db blokk-bábu) A lépések két fázisból állnak: (1.) bármelyik oldalszomszédos mezőre áttoljuk a
Isola (1-1 db sötét és világos király-bábu és max. 45 db blokk-bábu) A lépések két fázisból állnak: (1.) bármelyik oldalszomszédos mezőre áttoljuk a saját királyunkat (egyszersmind mutatva, hogy még tudunk
RészletesebbenMesterséges Intelligencia MI
Mesterséges Intelligencia MI Valószínűségi hálók - következtetés Dobrowiecki Tadeusz Eredics Péter, és mások BME I.E. 437, 463-28-99 dobrowiecki@mit.bme.hu, http://www.mit.bme.hu/general/staff/tade Következtetés
RészletesebbenAdatszerkezetek 7a. Dr. IványiPéter
Adatszerkezetek 7a. Dr. IványiPéter 1 Fák Fákat akkor használunk, ha az adatok között valamilyen alá- és fölérendeltség van. Pl. könyvtárszerkezet gyökér () Nincsennek hurkok!!! 2 Bináris fák Azokat a
RészletesebbenMesterséges Intelligencia MI
Mesterséges Intelligencia MI Problémamegoldás kereséssel általános problémák Dobrowiecki Tadeusz Eredics Péter, és mások BME I.E. 437, 463-28-99 dobrowiecki@mit.bme.hu, http://www.mit.bme.hu/general/staff/tade
RészletesebbenMesterséges intelligencia 2. laborgyakorlat
Mesterséges intelligencia 2. laborgyakorlat Keresési módszerek A legtöbb feladatot meg lehet határozni keresési feladatként: egy ún. állapottérben, amely tartalmazza az összes lehetséges állapotot fogjuk
RészletesebbenMesterséges Intelligencia MI
Mesterséges Intelligencia MI Problémamegoldás kereséssel - csak lokális információra alapozva Pataki Béla BME I.E. 414, 463-26-79 pataki@mit.bme.hu, http://www.mit.bme.hu/general/staff/pataki Lokálisan
RészletesebbenMegerősítéses tanulás 7. előadás
Megerősítéses tanulás 7. előadás 1 Ismétlés: TD becslés s t -ben stratégia szerint lépek! a t, r t, s t+1 TD becslés: tulajdonképpen ezt mintavételezzük: 2 Akcióértékelő függvény számolása TD-vel még mindig
RészletesebbenMesterséges Intelligencia MI
Mesterséges Intelligencia MI Problémamegoldás kereséssel vakon http://mialmanach.mit.bme.hu/aima/ch03s03 3. fejezet 3.4 alfejezet Pataki Béla, (Hullám Gábor) BME I.E. 414, 463-26-79 pataki@mit.bme.hu,
RészletesebbenRasmusen, Eric: Games and Information (Third Edition, Blackwell, 2001)
Játékelmélet szociológusoknak J-1 Bevezetés a játékelméletbe szociológusok számára Ajánlott irodalom: Mészáros József: Játékelmélet (Gondolat, 2003) Filep László: Játékelmélet (Filum, 2001) Csontos László
RészletesebbenMartinique Martiniqui
Martinique Martiniqui A legenda Egy ősi legenda szerint nagy kalóz kincset ástak el Martiniqui szigetén. A kalózok számos kereskedő hajót süllyesztettek el, a rakományt elvettek, és a hajókat elsüllyesztették.
RészletesebbenGépi tanulás. Hány tanítómintára van szükség? VKH. Pataki Béla (Bolgár Bence)
Gépi tanulás Hány tanítómintára van szükség? VKH Pataki Béla (Bolgár Bence) BME I.E. 414, 463-26-79 pataki@mit.bme.hu, http://www.mit.bme.hu/general/staff/pataki Induktív tanulás A tanítás folyamata: Kiinduló
RészletesebbenVizsgafeladatok és gyakorló feladatok generálása
Vizsgafeladatok és gyakorló feladatok generálása Aszalós László Debreceni Egyetem, Informatikai Kar 2018. október 4. Aszalós L. (DEIK) Feladatok generálása 2018/10/4 1 / 23 Tartalom 1 Előélet 2 Motiváció
RészletesebbenKereső algoritmusok a diszkrét optimalizálás problémájához
Kereső algoritmusok a diszkrét optimalizálás problémájához A. Grama, A. Gupta, G. Karypis és V. Kumar: Introduction to Parallel Computing, Addison Wesley, 2003. könyv anyaga alapján A kereső eljárások
RészletesebbenAlgoritmuselmélet. 2-3 fák. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 8.
Algoritmuselmélet 2-3 fák Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 8. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet 8. előadás
RészletesebbenÁllapottér reprezentáció/level1
Állapottér reprezentáció/level1 kecske káposzta A tutajosnak át kell szállítani a folyó másik partjára egy farkast, egy kecskét és egy káposztát. A csónakban egyszerre csak az egyiket viheti át a három
RészletesebbenMesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008
Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 007/008 Az Előadások Témái Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció i stratégiák Szemantikus hálók / Keretrendszerek
RészletesebbenMesterséges Intelligencia MI
Mesterséges Intelligencia MI Problémamegoldás kereséssel lokális információval Dobrowiecki Tadeusz Eredics Péter, és mások BME I.E. 437, 463-28-99 dobrowiecki@mit.bme.hu, http://www.mit.bme.hu/general/staff/tade
RészletesebbenMegoldások 4. osztály
Brenyó Mihály Pontszerző Matematikaverseny Megyei döntő 2015. február 14. Megoldások 4. osztály 1. Számkeresztrejtvény: Az alábbi keresztrejtvény ábra abban különbözik a hagyományos keresztrejtvényektől,
RészletesebbenAdatszerkezetek 2. Dr. Iványi Péter
Adatszerkezetek 2. Dr. Iványi Péter 1 Fák Fákat akkor használunk, ha az adatok között valamilyen alá- és fölérendeltség van. Pl. könyvtárszerkezet gyökér (root) Nincsennek hurkok!!! 2 Bináris fák Azokat
RészletesebbenIntelligens Rendszerek Elmélete IRE 4/32/1
Intelligens Rendszerek Elmélete 4 IRE 4/32/1 Problémamegoldás kereséssel http://nik.uni-obuda.hu/mobil IRE 4/32/2 Egyszerű lények intelligenciája? http://www.youtube.com/watch?v=tlo2n3ymcxw&nr=1 IRE 4/32/3
RészletesebbenKooperáció és intelligencia kis HF-ok/ Kooperáció és intelligencia, Dobrowiecki T., BME-MIT 1
Kooperáció és intelligencia kis HF-ok/ 2015 Kooperáció és intelligencia, Dobrowiecki T., BME-MIT 1 Kis HF-1: Elosztott következtetés (modell-keresés) 3 db. logikailag következtető (KA1..3) ágens dolgozik
RészletesebbenA játék készlet tartalma: 40 bábu sógitábla játékszabályok
A játék készlet tartalma: 40 bábu sógitábla játékszabályok www.shogi.cz info@shogi.cz /Shogi.cz /Shogi.cz Online: www.shogi.cz/manuals KEZDoÁLLÁS Ha a saját oldalunkról nézzük, akkor a játékosok a bábokat
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,
RészletesebbenInformatikai Rendszerek Alapjai
Informatikai Rendszerek Alapjai Dr. Kutor László A redundancia fogalma és mérése Minimális redundanciájú kódok 1. http://uni-obuda.hu/users/kutor/ IRA 2014 könyvtár Óbudai Egyetem, NIK Dr. Kutor László
RészletesebbenDöntési rendszerek I.
Döntési rendszerek I. SZTE Informatikai Intézet Számítógépes Optimalizálás Tanszék Készítette: London András 7. Gyakorlat Alapfogalmak A terület alapfogalmai megtalálhatók Pluhár András Döntési rendszerek
RészletesebbenMesterséges Intelligencia I. kötelező program
1. Feladat kiírás Mesterséges Intelligencia I. kötelező program A feladat az Othello (más neveken Reversi, Fonákollós, Színcserélő) játékot játszó ágens írása. A játékot egyik oldalán világos, a másikon
RészletesebbenA számítástudomány alapjai. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem
A számítástudomány alapjai Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem Bináris keresőfa, kupac Katona Gyula Y. (BME SZIT) A számítástudomány
RészletesebbenKereső algoritmusok a diszkrét optimalizálás problémájához
Kereső algoritmusok a diszkrét optimalizálás problémájához A. Grama, A. Gupta, G. Karypis és V. Kumar: Introduction to Parallel Computing, Addison Wesley, 2003. könyv anyaga alapján A kereső eljárások
RészletesebbenÉ Ü ö Ü ú Ú ű Ó Ó ű ö Ó Ó ú ű Ü Ö Ó Ó ö Ó Ő ű Ó Ó ú Ü Ü Ó Ó Ó Ü Ó Í Í ö ö ö ö ö ú ú ö ű ú ö ö ö ú ö ú ű ö ö ű ö ö ö ű ö ö ö ú ö ö ú ö ö ö ö ö ú ö ö ö ö ú ö ú ö ö ö ö ö ö ú ö ö ö ö Í ö Ö ö ú ö ö ö ö Ó Í
Részletesebbenü ő ő ü ő ő ö ö ő ö í ü ő í ö ö í ő ö ő ű ú ő í ü ő ö ő Í ö ö ő ö ö ő ő ö ő í Í í ü ö ő í ü ü ú ü ö ö ő ü ő ö ő í ü ő í ö ö ő ő ő í í ő í ő ő Á Ó Í í í ő ű ú ő í í ő ő Í ő í ő í í Í í ő í ő í ő ő íí ő
RészletesebbenÍ Ő É Ó É é Ö Á Á Á Ó é Ó é ö é Ö ű ö é ö ű ö é ö é é é é é é é é é é é é é é é é é é ü é é é Í é é é é ü é ö ü é ü é é ö ö é ú é é ü é é ü é é ü é ü é é é ú é Ó é é ú é ü é é ö é ö é Á Á Á Ó é Ó Í é ö
Részletesebbenö í Ö Ó ü í ü ö Ö ö ü ü ö ö ö ö Ö ü ö ö Ö ü Ű Ö ö ü ú ű ö ö í ö ö í ü ö ö í í ö Á É ö Ö í ö Ö ü ö Ö ö ö ö ö ö ü í ü ö í ü ö ö ö Ö ü ö í ü í ö ö ö Ö ü ö Ö í í ö Ö ü ö Ö í ü ö Á É ö Ö í ü ö í ö ű ö ö ű ö
Részletesebbenő ő ű í ó ú í ó í ó Á Á Á É ű ő ó ó ő ó ő Á É ó Á É ú Á É É Á ó Á Á Á Á Á É É ó Á É í É É í É ú ú ú ó ó Ö ú É ú ó ő ú ó í É É É É Ö Ö É Á É É É Ő Ó É ő ó ó í ő ú ő ő ű í ó ú Ő Ö ú É ú ú ő ő É É ő ő ő ő
Részletesebbenö é é ü Ő Ö é ü ö é é ü é é ó é ü ü é é é é é í é ü é é é é é é ö é é ö ö é ü ö ö é ü í é ü ü é é é ü é ö é é é ó é é é é é ü ö é é ü ú ö é é é é ö é é ö é é ó é ó é é í é é ó é é ó é é í ó é é ü ü é ó
RészletesebbenN-személyes játékok. Bársony Alex
N-személyes játékok Bársony Alex Előszó Neumann János és Oskar Morgenstern Racionális osztozkodás törvényeinek tanulmányozása Játékosok egy tetszőleges csoportjának ereje Nem 3 személyes sakk Definíció
RészletesebbenMesterséges Intelligencia MI
Mesterséges Intelligencia MI Kényszerkielégítési problémák (Constraint Satisfaction Problem, CSP) http://mialmanach.mit.bme.hu/aima/ch05 Pataki Béla BME I.E. 414, 463-26-79 pataki@mit.bme.hu, http://www.mit.bme.hu/general/staff/pataki
RészletesebbenMegerősítéses tanulás
Gépi tanulás (Szekvenciális döntési probléma) Megerősítéses tanulás Pataki Béla BME I.E. 414, 463-26-79 pataki@mit.bme.hu, http://www.mit.bme.hu/general/staff/pataki Az egész világot nem tudjuk modellezni,
RészletesebbenSzámítógép és programozás 2
Számítógép és programozás 2 11. Előadás Halmazkeresések, dinamikus programozás http://digitus.itk.ppke.hu/~flugi/ A keresési feladat megoldása Legyen a lehetséges megoldások halmaza M ciklus { X legyen
RészletesebbenJátékok és a számítógép
Eötvös Loránd Tudományegyetem Természettudományi kar Játékok és a számítógép BSc szakdolgozat Készítette: Témavezeto : Szabó Dávid Szo nyi Tamás Matematika BSc egyetemi tanár Alkalmazott matematikus Számítógéptudomány
RészletesebbenDebreceni Egyetem Informatikai Kar. Kétszemélyes logikai játékok
Debreceni Egyetem Informatikai Kar Kétszemélyes logikai játékok Témavezető: Mecsei Zoltán Egyetemi tanársegéd Készítette: Szabó Dániel András Programtervező Informatikus Debrecen 21 Ezúton szeretnék köszönetet
Részletesebben2. Visszalépéses keresés
2. Visszalépéses keresés Visszalépéses keresés A visszalépéses keresés egy olyan KR, amely globális munkaterülete: egy út a startcsúcsból az aktuális csúcsba (az útról leágazó még ki nem próbált élekkel
RészletesebbenJÁTÉKELMÉLETTEL KAPCSOLATOS FELADATOK
1.Feladat JÁTÉKELMÉLETTEL KAPCSOLATOS FELADATOK Az alábbi kifizetőmátrixok három különböző kétszemélyes konstans összegű játék sorjátékosának eredményeit mutatják: 2 1 0 2 2 4 2 3 2 4 0 0 1 0 1 5 3 4 3
Részletesebben2015/ Szegedi Tudományegyetem Informatikai Intézet
Operációkutatás I. 2015/2016-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 9. Előadás Egy példa Adott két TV csatorna (N1, N2), melyek 100 millió nézőért versenyeznek.
RészletesebbenMesterséges Intelligencia 1
Mesterséges Intelligencia Egy ember kecskét, farkast és kápostát seretne átvinni egy folyón, de csak egy kis csónakot talál, amelybe rajta kívül csak egy tárgy fér. Hogyan tud a folyón úgy átkelni, hogy.
RészletesebbenMesterséges Intelligencia MI
Mesterséges Intelligencia MI Megerősítéses tanulás Pataki Béla BME I.E. 414, 463-26-79 pataki@mit.bme.hu, http://www.mit.bme.hu/general/staff/pataki Ágens tudása: Induláskor: vagy ismeri már a környezetet
RészletesebbenAlgoritmuselmélet 2. előadás
Algoritmuselmélet 2. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Február 12. ALGORITMUSELMÉLET 2. ELŐADÁS 1 Buborék-rendezés
RészletesebbenRendezések. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar október 24.
Rendezések 8. előadás Sergyán Szabolcs sergyan.szabolcs@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar 2011. október 24. Sergyán (OE NIK) AAO 08 2011. október 24. 1 / 1 Felhasznált irodalom
Részletesebbenf B B 1 B 2 A A 2 0-1
az előadáson tárgyalt példák-1 Fogolydilemma A játék 2 2-es, nem-kooperatív, kétszemélyes és szimmetrikus. A játékos lehetőségei: A 1 : elismeri a bankrablást B játékos lehetőségei: B 1 : elismeri a bankrablást
Részletesebben13. Egy x és egy y hosszúságú sorozat konvolúciójának hossza a. x-y-1 b. x-y c. x+y d. x+y+1 e. egyik sem
1. A Huffman-kód prefix és forráskiterjesztéssel optimálissá tehető, ezért nem szükséges hozzá a forrás valószínűség-eloszlásának ismerete. 2. Lehet-e tökéletes kriptorendszert készíteni? Miért? a. Lehet,
RészletesebbenMit látnak a robotok? Bányai Mihály Matemorfózis, 2017.
Mit látnak a robotok? Bányai Mihály Matemorfózis, 2017. Vizuális feldolgozórendszerek feladatai Mesterséges intelligencia és idegtudomány Mesterséges intelligencia és idegtudomány Párhuzamos problémák
RészletesebbenCsapatjáték. felépítés
Csapatjáték felépítés Fontos pontok a labdarúgás oktatásában Mi játékhelyzetekkel futballozunk! Alapelvek - támadásban gólt elérni áttörni az ellenfél védelmén: mozdulattal mélységben széleken területet
RészletesebbenMonoton Engedmény Protokoll N-M multilaterális tárgyalás
Tárgyalások/2 Monoton Engedmény Protokoll N-M multilaterális tárgyalás Fordulók 1. Minden ágens előáll a javaslatával k. Mindegyik ágens vagy ragaszkodik a javaslatához, vagy engedményt tesz. Ismétlés
RészletesebbenRejtvény-változataikban: a legkevesebb lépésből álló (és/vagy visszalépés tiltása melletti) helycsere a feladat.
Halmák (helycserések): Előre felrakott állásból induló 'helycserés'-célú, vagy közlekedős játékok. Társas változataikban két, vagy több játékos versenyez saját bábuinak mielőbbi áttelepítésében, (általában
Részletesebben8 bivaly 2 tigris ellen
8 bivaly 2 tigris ellen A felrakott kezdőállásból induló versenyben a tigrisek nyernek akkor, ha már csak 3 bivaly maradt a táblán. A bivalyok nyernek, ha a tigriseket beszorítják és azok már nem tudnak
Részletesebben1000 forintos adósságunkat, de csak 600 forintunk van. Egyetlen lehetőségünk, hogy a
A merész játékok stratégiája A következő problémával foglalkozunk: Tegyük fel, hogy feltétlenül ki kell fizetnünk 000 forintos adósságunkat, de csak 600 forintunk van. Egyetlen lehetőségünk, hogy a még
Részletesebben1. gyakorlat. Mesterséges Intelligencia 2.
1. gyakorlat Mesterséges Intelligencia. Elérhetőségek web: www.inf.u-szeged.hu/~gulyasg mail: gulyasg@inf.u-szeged.hu Követelmények (nem teljes) gyakorlat látogatása kötelező ZH írása a gyakorlaton elhangzott
RészletesebbenFüggvények növekedési korlátainak jellemzése
17 Függvények növekedési korlátainak jellemzése A jellemzés jól bevált eszközei az Ω, O, Θ, o és ω jelölések. Mivel az igények általában nemnegatívak, ezért az alábbi meghatározásokban mindenütt feltesszük,
RészletesebbenMegerősítéses tanulás
Megerősítéses tanulás elméleti kognitív neurális Introduction Knowledge representation Probabilistic models Bayesian behaviour Approximate inference I (computer lab) Vision I Approximate inference II:
Részletesebben30. ERŐSEN ÜSSZEFÜGGŐ KOMPONENSEK
30. ERŐSEN ÜSSZEFÜGGŐ KOMPONENSEK A gráfos alkalmazások között is találkozunk olyan problémákkal, amelyeket megoldását a részekre bontott gráfon határozzuk meg, majd ezeket alkalmas módon teljes megoldássá
RészletesebbenNemlineáris optimalizálási problémák párhuzamos megoldása grafikus processzorok felhasználásával
Nemlineáris optimalizálási problémák párhuzamos megoldása grafikus processzorok felhasználásával 1 1 Eötvös Loránd Tudományegyetem, Informatikai Kar Kari TDK, 2016. 05. 10. Tartalom 1 2 Tartalom 1 2 Optimalizálási
RészletesebbenMesterséges Intelligencia (MI)
Mesterséges Intelligencia (MI) Intelligens ágensek Dobrowiecki Tadeusz Antal Péter, Bolgár Bence, Engedy István, Eredics Péter, Strausz György és mások BME I.E. 437, 463-28-99 dobrowiecki@mit.bme.hu, http://www.mit.bme.hu/general/staff/tade
RészletesebbenA katonai rangfokozatok
A katonai rangfokozatok zászló tábornagy tábornok ezredes 2x ôrnagy 3x kapitány 4x fôhadnagy 4x ôrmester 4x aknász 5x felderítô 8x kém bomba 6x A játékhoz jó szórakozást kíván a Piatnik Budapest Kft. www.jumbo-world.com
Részletesebben6. EGYETEMI 24 ÓRÁS PROGRAMOZÓI VERSENY (PROGRAMOZÁS 1)
6. EGYETEMI 4 ÓRÁS PROGRAMOZÓI VERSENY (PROGRAMOZÁS 1) http://kockanap.nikhok.hu ZÁRÓJELEK I. Feladat Feladatunk meghatározni, hogy a kifejezésünk zárójelezése helyes-e. Helyesnek tekinthető a zárójelezés,
Részletesebbenfile:///d:/okt/ad/jegyzet/ad1/b+fa.html
1 / 5 2016. 11. 30. 12:58 B+ fák CSci 340: Database & Web systems Home Syllabus Readings Assignments Tests Links Computer Science Hendrix College Az alábbiakban Dr. Carl Burch B+-trees című Internetes
RészletesebbenFELÜGYELT ÉS MEGERŐSÍTÉSES TANULÓ RENDSZEREK FEJLESZTÉSE
FELÜGYELT ÉS MEGERŐSÍTÉSES TANULÓ RENDSZEREK FEJLESZTÉSE Dr. Aradi Szilárd, Fehér Árpád Mesterséges intelligencia kialakulása 1956 Dartmouth-i konferencián egy maroknyi tudós megalapította a MI területét
RészletesebbenAlgoritmuselmélet. Mélységi keresés és alkalmazásai. Katona Gyula Y.
Algoritmuselmélet Mélységi keresés és alkalmazásai Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 9. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet
RészletesebbenBudapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs rendszerek Tanszék. Neurális hálók. Pataki Béla
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs rendszerek Tanszék Neurális hálók Előadó: Előadás anyaga: Hullám Gábor Pataki Béla Dobrowiecki Tadeusz BME I.E. 414, 463-26-79
RészletesebbenTanulás elosztott rendszerekben/3
Tanulás elosztott rendszerekben/3 MARL Multi Agent Reinforcement Learning Többágenses megerősítéses tanulás Kezdjük egy ágenssel. Legyenek a környezeti állapotai s-ek, cselekvései a-k, az ágens cselekvéseit
RészletesebbenA megerősítéses tanulás alkalmazása az Othello játékban
Debreceni Egyetem Informatikai Kar A megerősítéses tanulás alkalmazása az Othello játékban Témavezető: Dr. Várterész Magda Egyetemi docens Készítette: Andorkó Gábor Programtervező informatikus (B.Sc.)
RészletesebbenEvolúciós algoritmusok
Evolúciós algoritmusok Evolúció, mint kereső rendszer A problémára adható néhány lehetséges választ, azaz a problématér több egyedét tároljuk egyszerre. Ez a populáció. Kezdetben egy többnyire véletlen
RészletesebbenÖsszefoglalás és gyakorlás
Összefoglalás és gyakorlás High Speed Networks Laboratory 1 / 28 Hálózatok jellemző paraméterei High Speed Networks Laboratory 2 / 28 Evolúció alkotta adatbázis Önszerveződő adatbázis = (struktúra, lekérdezés)
Részletesebben2. Visszalépéses stratégia
2. Visszalépéses stratégia A visszalépéses keres rendszer olyan KR, amely globális munkaterülete: út a startcsúcsból az aktuális csúcsba (ezen kívül a még ki nem próbált élek nyilvántartása) keresés szabályai:
RészletesebbenGépi tanulás a gyakorlatban. Kiértékelés és Klaszterezés
Gépi tanulás a gyakorlatban Kiértékelés és Klaszterezés Hogyan alkalmazzuk sikeresen a gépi tanuló módszereket? Hogyan válasszuk az algoritmusokat? Hogyan hangoljuk a paramétereiket? Precízebben: Tegyük
Részletesebben