PG

From WikiZMSI

Spis treści

Ogłoszenia

  • Dnia 25.01.2017 zajęcia się nie odbędą (wynika to z nierównej liczby godzina przez podział dwutygodniowy).
  • W dniu 26.01.2017 wykład odbędzie się o 10:00 zgodnie z planem.

Semester Zima

Wykład 0 --- Warunki zaliczenia --- treść kursu

Wykład 1 --- Gry - historia i wprowadzenie do tematyki

Wykład 2,3 --- Gry sumy zerowej -- algorytm minimax i przycinania alpha-beta

  • Slajdy do pobrania
  • Dodatkowe materiały można znaleźć w bardzo dużej ilości w internecie poszukując haseł:
    • Minimax algorithm
    • Alpha-beta pruning
    • Algorytm minimaxowy lub minimax lub min-max
    • Algorytm Alfa-Beta

Wykład 4 --- Pathfinder -- algorytmy do wyznaczania trasy


Semester Lato

Ogłoszenie

  • termin 1 - 23.06.2017 godzina 15:00
  • termin poprawkowy 15.09.2017 godzina 15:00

Wykład 0 --- Warunki zaliczenia --- treść kursu

Warunki pozostają takie same jak w poprzednim semestrze. Tym razem przedmiot kończy się egamiznem.

Wykład 1 --- Maszyna stanów i automaty komórkowe

Wykład 2 --- Wykorzystanie algorytmów rojowych do symulowania zachowań

Wykład 3 --- Zastosowanie logiki rozmytej w grach

Wykład 4 --- Sieci neuronowe w grach

Co trzeba wiedzieć:

  • Co było pierwowzorem dla sztucznej sieci neuronowej?
  • Model pojedynczego neuronu i jego graficzna reprezentacja.
  • Umieć obliczyć odpowiedź neuronu na zadane wejścia i przy wskazanych wartościach wag.
  • Na czym polega proces uczenia sieci neuronowej (z nauczycielem/nadzorowane)?
  • Co to jest generalizacja, przeuczenie i niedouczenie?
  • Do czego służą dane uczące i jak się je wykorzystuje w procesie uczenia?
  • Schemat sieci wielowarstwowej.
  • Jak przygotowuje się dane uczące do sieci neuronowej?
  • Co czego wykorzystano sieć MLP w Supreme Commander 2?
  • Podać przykład wejść do MLP (atrybutów) w grze Supreme Commander 2.
  • Co było wyjściem z sieci neuronowej w grze Supreme Commander 2?
  • Jak powstał zbiór uczący w grze Supreme Commander 2?
  • Jakie są wady i zalety stosowania sztucznych sieci neuronowych?

Wykład 5 --- Rozszerzone sieci behawioralne