基于平铺，形状和图形运算符，通过其底层图描述了Ludii General Game系统的游戏板，自动检测图形元素，方向和径向序列之间的拓扑关系等重要属性。这种方法允许简单而简洁地描述最能实现的游戏板。
translated by 谷歌翻译
增强现实（AR）游戏是一个丰富的环境，用于研究和测试提供微妙的用户指导和培训的计算系统。在特定的计算机系统中，旨在增强用户状况意识的计算机系统受益于AR耳机中可用的传感器和计算功率。在这篇正在进行的论文中，我们提出了一个新的环境，以研究情况意识和注意力指导（SAAG）：棋盘游戏Carcassonne的增强现实版本。我们还介绍了生产SAAG管道的最初工作，包括创建游戏状态编码，游戏玩法AI的开发和培训以及情况建模和凝视跟踪系统的设计。
translated by 谷歌翻译
随着机器学习（ML）更加紧密地编织到社会中，如果我们要负责任地使用它，我们必须更好地表征ML的优势和局限性。现有的ML基准环境（例如董事会和视频游戏）为进度提供了明确定义的基准测试，但是组成的任务通常很复杂，而且通常不清楚任务特征如何对机器学习者的整体难度有所贡献。同样，如果没有系统地评估任务特征如何影响难度，则在不同基准环境中的性能之间建立有意义的联系是一项挑战。我们介绍了一个新颖的基准环境，该环境提供了大量的ML挑战，并可以精确地检查任务要素如何影响实际难度。工具框架学习任务是“董事会清除游戏”，我们称之为“隐藏规则”游戏（GOHR）。环境包括一种表达性的规则语言和可以在本地安装的圈养服务器环境。我们建议一组基准的规则学习任务，并计划为有兴趣尝试学习规则的研究人员提供绩效领导者板。 GOHR通过允许对任务进行罚款，受控的修改来补充现有环境，使实验者能够更好地了解给定学习任务的每个方面如何有助于其对任意ML算法的实际困难。
translated by 谷歌翻译
在许多游戏中，动作包括玩家制作的若干决定。这些决定可以被视为单独的动作，这在效率原因的多动作游戏中已经是一个常见的做法。播放器的这种划分进入一系列更简单/较低级别的移动，称为\ emph {拆分}。到目前为止，分裂移动已仅在顾问的直接案件中应用，此外，几乎没有研究揭示其对代理商的影响力量的影响。采取知识的视角，我们的目标是回答如何在Monte-Carlo树搜索（MCT）中有效地使用分裂移动，以及分裂设计对代理的实际影响是什么。本文提出了与任意分裂的动作有用的MCT的概括。我们设计了算法的几种变体，并尝试分别测量分离移动的影响，以分别对效率，MCT，模拟和基于动作的启发式的效率。测试是在一组棋盘游戏上进行，并使用常规的主台综合游戏进行播放形式主义进行，其中可以基于游戏的抽象描述自动派生不同粒度的分裂策略。结果以不同方式使用分流设计的代理行为概述。我们得出结论，拆分设计可能对单一以及多动作游戏有很大的利益。
translated by 谷歌翻译
Monte Carlo Tree Search (MCTS) is a recently proposed search method that combines the precision of tree search with the generality of random sampling. It has received considerable interest due to its spectacular success in the difficult problem of computer Go, but has also proved beneficial in a range of other domains. This paper is a survey of the literature to date, intended to provide a snapshot of the state of the art after the first five years of MCTS research. We outline the core algorithm's derivation, impart some structure on the many variations and enhancements that have been proposed, and summarise the results from the key game and non-game domains to which MCTS methods have been applied. A number of open research questions indicate that the field is ripe for future work.
translated by 谷歌翻译
每个已知的人工深神经网络（DNN）都对应于规范Grothendieck的拓扑中的一个物体。它的学习动态对应于此拓扑中的形态流动。层中的不变结构（例如CNNS或LSTMS）对应于Giraud的堆栈。这种不变性应该是对概括属性的原因，即从约束下的学习数据中推断出来。纤维代表语义前类别（Culioli，Thom），在该类别上定义了人工语言，内部逻辑，直觉主义者，古典或线性（Girard）。网络的语义功能是其能够用这种语言表达理论的能力，以回答输出数据中有关输出的问题。语义信息的数量和空间是通过类比与2015年香农和D.Bennequin的Shannon熵的同源解释来定义的。他们概括了Carnap和Bar-Hillel（1952）发现的措施。令人惊讶的是，上述语义结构通过封闭模型类别的几何纤维对象进行了分类，然后它们产生了DNNS及其语义功能的同位不变。故意类型的理论（Martin-Loef）组织了这些物体和它们之间的纤维。 Grothendieck的导数分析了信息内容和交流。
translated by 谷歌翻译
马尔可夫链是一类概率模型，在定量科学中已广泛应用。这部分是由于它们的多功能性，但是可以通过分析探测的便利性使其更加复杂。本教程为马尔可夫连锁店提供了深入的介绍，并探索了它们与图形和随机步行的联系。我们利用从线性代数和图形论的工具来描述不同类型的马尔可夫链的过渡矩阵，特别着眼于探索与这些矩阵相对应的特征值和特征向量的属性。提出的结果与机器学习和数据挖掘中的许多方法有关，我们在各个阶段描述了这些方法。本文并没有本身就成为一项新颖的学术研究，而是提出了一些已知结果的集合以及一些新概念。此外，该教程的重点是向读者提供直觉，而不是正式的理解，并且仅假定对线性代数和概率理论的概念的基本曝光。因此，来自各种学科的学生和研究人员可以访问它。
translated by 谷歌翻译
我们通过单数值分解（SVD）近似游戏TIC-TAC-TAC的评估函数，并研究了近似准确性对获胜率的影响。我们首先准备了TIC-TAC-TOE的完美评估函数，并通过将评估函数视为第九阶张量来进行低级近似。我们发现，我们可以将评估功能的信息量减少70％，而不会显着降低性能。近似准确性和获胜率密切相关，但不完全成比例。我们还研究了评估函数的分解方法如何影响性能。我们考虑了两种分解方法：关于评估函数的简单SVD作为矩阵和高阶SVD（HOSVD）的Tucker分解。在相同的压缩比下，通过HOSVD获得的近似评估函数的策略表现出明显高于SVD获得的策略。这些结果表明，SVD可以有效地压缩棋盘游戏策略，并有一种取决于游戏的最佳压缩方法。
translated by 谷歌翻译
我们更新了更早提出的系统描述和评估抽象环境研究过程的方法。我们不会模拟任何生物学认知机制，并将系统考虑作为配备有信息处理器的代理（或一组这样的代理），这在环境中移动了移动，消耗环境提供的信息，并提供了下一个移动（因此，该过程被认为是游戏）。系统在未知环境中移动，并应识别位于其中的新对象。在这种情况下，系统应根据需要构建可见的东西的全面图像并在必要时记住它们（并且还应该选择当前目标集）。这里的主要问题是对象识别，以及游戏中的信息奖励评级。因此，论文的主要新颖性是一种评估对象的视觉信息量作为奖励的新方法。在这样的系统中，我们建议使用最微量预先训练的神经网络负责识别：首先，我们仅培训网络仅用于Biederman Geors（几何原语）。乔治以编程方式生成，我们证明这种训练有素的网络非常良好地识别真实物体中的巨石。我们还提供从环境中获得的Geon方案（图像中的Geon组合）和将它们存储在数据库中的Geon方案（GeOn组合）生成新对象。在这种情况下，我们没有获得有关对象的新信息（即，我们的奖励是最大的，因此我们停止获得这种新的方案时的游戏和对象认知过程停止）。这些方案是从与对象连接的兆位生成的。在可能已知的项目的情况下，当我们对任何对象的检测不确定性没有更多的检测不确定性时，信息奖励是最大的。
translated by 谷歌翻译
自引入以来，图形注意力网络在图表表示任务中取得了出色的结果。但是，这些网络仅考虑节点之间的成对关系，然后它们无法完全利用许多现实世界数据集中存在的高阶交互。在本文中，我们介绍了细胞注意网络（CANS），这是一种在图表上定义的数据上运行的神经体系结构，将图表示为介绍的细胞复合物的1个骨骼，以捕获高阶相互作用。特别是，我们利用细胞复合物中的下层和上层社区来设计两种独立的掩盖自我发项机制，从而推广了常规的图形注意力策略。罐中使用的方法是层次结构的，并结合了以下步骤：i）从{\ it node demantion}中学习{\ it Edge功能}的提升算法}; ii）一种细胞注意机制，可以在下层和上邻居上找到边缘特征的最佳组合； iii）层次{\ it Edge Pooling}机制，以提取一组紧凑的有意义的功能集。实验结果表明，CAN是一种低复杂性策略，它与基于图的学习任务的最新结果相比。
translated by 谷歌翻译
Gomoku，也被称为五连续五个，是一个经典的棋盘游戏，非常适合快速测试新颖的人工智能（AI）技术。旨在促进开发商愿意写一个新的GOMOKU球员，在本报告中，我们对主要游戏概念和策略进行了分析，这比现有的概念更广泛，更深入。此外，在讨论人工播放器的一般结构之后，我们展示并分析了一个名为Wine的强大的Gomoku播放器，其代码在互联网上自由地提供，这是一个卓越的例子，即如何组织现代球员。
translated by 谷歌翻译
我们考虑通过变质机器人系统（MRS）在有限3D立方网格中搜索，该系统由匿名模块组成。在整个模块保持连接的同时，模块可以执行滑动和旋转。随着模块的数量增加，MRS可以执行的各种动作增加。搜索问题要求MRS在给定的有限字段中找到目标。 Doi等人。 （SSS 2018）演示了用于搜索有限2D平方网格的必要和足够数量的模块。我们考虑在有限3D立方网格中搜索并调查共同知识的效果。我们考虑三种不同的设置。首先，我们表明，当所有模块配备公共指南针时，我们就需要三个模块，即，他们就标准的方向和方向达到$ x $，$ y $和$ z $ x。其次，当所有模块都达成垂直轴的方向和方向时，我们表明需要四个模块并且充分。最后，我们表明，当所有模块都没有配备普通的指南针时，需要五个模块。我们的结果表明，3D立方网格中的MRS的形状比2D方形网格中的结构更丰富。
translated by 谷歌翻译
本文介绍了一种全自动的机械照明方法，以实现一般视频游戏水平的生成。使用受约束的MAP-ELITE算法和GVG-AI框架，该系统生成了最简单的基于图块的级别，该级别包含特定的游戏机制集并满足可玩性约束。我们将这种方法应用于GVG-AI的$ 4 $不同游戏的机械空间：Zelda，Solarfox，Plants和eartortals。
translated by 谷歌翻译
证明数字搜索（PNS）和蒙特卡洛树搜索（MCT）已成功地用于一系列游戏中的决策。本文提出了一种称为PN-MCTS的新方法，该方法通过将证明和调解数字的概念纳入MCT的UCT公式来结合这两种树搜索方法。实验结果表明，PN-MCTS在包括动作线，Minishogi，Knightthrough和Awari在内的多个游戏中优于基本MCT，达到了高达94.0％的获胜率。
translated by 谷歌翻译
粗图是具有不精确知识的信息系统的图形结构。他在2006年设计了粗图的特性[6]，然后他和什（Shi）介绍了边缘粗图[7]的概念。他等人开发了具有加权属性的加权粗糙图的概念[6]。在本文中，我们介绍了一种新型标签，称为偶数顶点{\ zeta} - 优雅的标签作为边缘的重量值。我们研究了一些特殊图的标签，例如粗糙路径图，粗糙循环图，粗梳图，粗糙的梯形图和粗恒星图。
translated by 谷歌翻译
该项目提出了一种自动生成视频游戏动态描述的动作模型的方法，以及与计划代理的集成，以执行和监控计划。规划者使用这些动作模型来获得许多不同视频游戏中的代理的审议行为，并与反应模块组合，解决确定性和无确定级别。实验结果验证了该方法的方法，并证明了知识工程师的努力在这种复杂域的定义中可以大大减少。此外，域名的基准已经制定，这可能对国际规划社会评估国际规划竞赛中的规划者感兴趣。
translated by 谷歌翻译
对表示形式的研究对于任何形式的交流都是至关重要的，我们有效利用它们的能力至关重要。本文介绍了一种新颖的理论 - 代表性系统理论 - 旨在从三个核心角度从三个核心角度进行抽象地编码各种表示：语法，综合及其属性。通过介绍建筑空间的概念，我们能够在一个统一的范式下编码这些核心组件中的每个核心组件。使用我们的代表性系统理论，有可能在结构上将一个系统中的表示形式转换为另一个系统的表示形式。我们结构转化技术的固有方面是根据表示的属性（例如它们的相对认知有效性或结构复杂性）的代表选择。提供一般结构转化技术的主要理论障碍是缺乏终止算法。代表系统理论允许在没有终止算法的情况下衍生部分变换。由于代表性系统理论提供了一种通用编码代表系统的通用方法，因此消除了进一步的关键障碍：需要设计特定于系统的结构转换算法，这是当不同系统采用不同的形式化方法时所必需的。因此，代表性系统理论是第一个提供统一方法来编码表示形式，通过结构转换支持表示形式的第一个通用框架，并具有广泛的实用应用。
translated by 谷歌翻译
在本文档中，我们介绍了Pycsp $ 3 $，是一个Python库，它允许我们以声明方式编写组合受限问题的模型。目前，使用Pycsp $ 3 $，您可以编写约束满足和优化问题的模型。更具体地说，您可以构建CSP（约束满足问题）和COP（约束优化问题）模型。重要的是，建模和解决阶段之间存在完整的分离：您编写模型，您可以编译它（同时提供一些数据）以生成XCSP $ 3 $ instance（文件），并且您通过方法解决该问题实例约束求解器。您还可以直接在Pycsp $ 3 $中试驾解决程序，可能进行增量解决策略。在本文档中，您将找到您需要了解的所有关于Pycsp $ 3 $的所有信息，具有超过50个说明性型号。
translated by 谷歌翻译
区域覆盖范围问题是使用安装在机器人（例如无人驾驶汽车（UAV）（UAV）和无人接地车辆（UGV）等机器人上的传感器有效维修给定的二维表面的任务。我们提出了一种新颖的配方，用于生成多个容量受限机器人的覆盖路线，可以根据电池寿命或飞行时间指定容量。遍历环境对具有容量限制的机器人资源产生了需求。我们方法的主要方面是将区域覆盖问题转换为线覆盖范围问题（即线性特征的覆盖范围），然后生成途径，以最大程度地减少旅行的总成本，同时尊重容量约束。我们定义了两种旅行模式：（1）维修和（2）无人机，这与机器人是否执行特定于任务的操作相对应。我们的配方允许对两种模式的单独和不对称的旅行成本和需求。此外，从细胞分解计算出来的细胞，旨在最小化转弯的数量，不需要单调多边形。我们为细胞分解和生成服务轨道开发了新的程序，这些过程可以处理有或没有孔的非符号酮多边形。我们在具有25个室内环境的地面机器人数据集和一个具有300个室外环境的空中机器人数据集上建立了算法的功效。该算法生成的解决方案的成本比最新方法平均低10％。我们还证明了我们在无人机实验中的算法。
translated by 谷歌翻译
当今现实生活系统中图的普遍性很明显，该系统要么明确地以图形为单位，要么可以很容易地将其建模为一个。因此，这种图形结构是商店丰富的信息。这具有各种含义，具体取决于我们对节点还是整个图表感兴趣。在本文中，我们主要关注的是稍后的，即图表的结构会影响其代表的现实生活系统的属性。这种结构影响的模型将有助于通过其结构特性来推断复杂和大型系统（例如VLSI电路）的有用特性。但是，在我们可以将基于机器学习（ML）技术应用于建模这种关系之前，必须有效地表示图。在本文中，我们提出了一个图表表示，该图表是无损的，在顶点数量方面是线性大小的，并给出图形的1-D表示。我们的表示是基于对树木编码的Prufer编码。此外，我们的方法基于一种新颖的技术，称为$ \ Mathcal {gt} $ - 增强功能，我们首先转换图形，使其可以由单数树表示。编码还提供了包括附加图形属性并改善代码的解释性的范围。
translated by 谷歌翻译