Ενισχυτική μάθηση σε παιχνίδια δύο ατόμων: εφαρμογή στο τάβλι

δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*



Ενισχυτική μάθηση σε παιχνίδια δύο ατόμων: εφαρμογή στο τάβλι (EL)

Παπαχρήστου, Νικόλαος (EL)

Ρεφανίδης, Ιωάννης (EL)

Electronic Thesis or Dissertation (EN)
Text (EN)

2011-04-06T07:19:11Z
2010 (EN)


Τα παιχνίδια δύο ατόμων όπως το σκάκι, το τάβλι, το go, κ.ά. έχουν αναγνωριστεί ως ιδανικά πεδία έρευνας και δοκιμών για τις σύγχρονες μεθόδους τεχνητής νοημοσύνης και μηχανικής μάθηθης. Μία από τις πιο ενδιαφέρουσες διαδικασίες μάθησης που μπορεί να εφαρμοστεί σε αυτά είναι η ενισχυτική μάθηση μέσω της αυτοεκπαίδευσης. Με αυτήν την τεχνική ένας πράκτορας παίζει πολλές παρτίδες με τον εαυτό του και χρησιμοποιεί ένα σήμα «ανταμοιβής» στο τέλος κάθε παρτίδας, για να βελτιώσει σταδιακά την ποιότητα της επιλογής των κινήσεων. Σημαντικότερος εκπρόσωπος αυτής της μεθόδου είναι το πρόγραμμα TD-Gammon του Tesauro. Στην εργασία αυτή επιχειρείται η κατασκευή ενός πράκτορα που να παίζει τα παιχνίδια του ταβλιού «πλακωτό» και «φεύγα». Κατά το πρότυπο του TD-Gammon, ο πράκτοράς μας μαθαίνει από την έκβαση των παρτίδων αυτοεκπαίδευσης χρησιμοποιώντας ένα τεχνητό νευρωνικό δίκτυο για την εκμάκθηση της συνάρτησης αξιολόγησης των παιχνιδιών αυτών. Τέλος, συγκρίνουμε τις διάφορες εκδόσεις των εκπαιδευμένων πρακτόρων μεταξύ τους καθώς και με το πρόγραμμα ανοικτού κώδικα Tavli3D. (EL)
Διπλωματική εργασία--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2010. (EL)
Submitted by Nikolaos Papachristou (mai0904@uom.gr) on 2011-04-05T10:43:39Z No. of bitstreams: 1 MasterThesis_final2.pdf: 3116128 bytes, checksum: 925b09712366d4a6ac0c54c310752de4 (MD5) (EN)
Made available in DSpace on 2011-04-06T07:19:11Z (GMT). No. of bitstreams: 1 MasterThesis_final2.pdf: 3116128 bytes, checksum: 925b09712366d4a6ac0c54c310752de4 (MD5) Previous issue date: 2010 (EN)
Approved for entry into archive by Παναγιώτα Πατραγκού(patragku@uom.gr) on 2011-04-06T07:19:11Z (GMT) No. of bitstreams: 1 MasterThesis_final2.pdf: 3116128 bytes, checksum: 925b09712366d4a6ac0c54c310752de4 (MD5) (EN)


Φεύγα (EL)
Πλακωτό (EL)
Νευρωνικά Δίκτυα (EL)
Ενισχυτική μάθηση (EN)
Temporal difference learning (EN)
Reinforcement learning (EN)
Neural Networks (EN)
Backgammon (EN)
TD(λ) (EN)
Τάβλι (EN)

Πανεπιστήμιο Μακεδονίας Οικονομικών και Κοινωνικών Επιστημών. (EL)

Πρόγραμμα Μεταπτυχιακών Σπουδών Ειδίκευσης στην Εφαρμοσμένη Πληροφορική (EL)




*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.