Ενισχυτική μάθηση σε παιχνίδια δύο ατόμων: εφαρμογή στο τάβλι

Ενισχυτική μάθηση σε παιχνίδια δύο ατόμων: εφαρμογή στο τάβλι

URI: https://www.openarchives.gr/aggregator-openarchives/edm/psepheda/000004-2159_14323
RDF/XML JSON-LD

This item is provided by the institution :
Πανεπιστήμιο Μακεδονίας

Repository :
Ψηφίδα - Ψηφιακή Βιβλιοθήκη και Ιδρυματικό Καταθετήριο του Πανεπιστημίου Μακεδονίας

see the original item page
in the repository's web site and access all digital files if the item^*

Title

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

Creator

Παπαχρήστου, Νικόλαος (EL)

Contributor

Ρεφανίδης, Ιωάννης (EL)

Type

Electronic Thesis or Dissertation (EN)

Text (EN)

Διπλωματική εργασία
Master thesis (EN)

Issued

2011-04-06T07:19:11Z

2010 (EN)

Year

2010 (EL)

Description

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 ([email protected]) 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([email protected]) on 2011-04-06T07:19:11Z (GMT) No. of bitstreams: 1 MasterThesis_final2.pdf: 3116128 bytes, checksum: 925b09712366d4a6ac0c54c310752de4 (MD5) (EN)

Scientific field

Φυσικές Επιστήμες
Computer and Information Sciences (EN)

Subject

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)