Direkt zur Hauptnavigation springen Direkt zum Inhalt springen
info(at)avldigital.remove-this.de
Deutsch English
Letzte Suchanfragen

Ergebnisse für *

Zeige Ergebnisse 1 bis 3 von 3.

  1. Comprehensible knowledge base extraction for learning agents
    practical challenges and applications in games
    Autor*in: Apeldoorn, Daan
    Erschienen: 2023
    Verlag:  Verlag Mainz, Aachen

    Standort:
    TU Berlin, Universitätsbibliothek
    Fernleihe:
    uneingeschränkte Fernleihe, Kopie und Ausleihe
    Export in Literaturverwaltung   RIS-Format
      BibTeX-Format
    Hinweise zum Inhalt
    Quelle: Verbundkataloge
    Sprache: Englisch
    Medientyp: Buch (Monographie)
    ISBN: 9783958864900; 3958864902
    Weitere Identifier:
    9783958864900
    RVK Klassifikation: ST 302 ; ST 300
    Schriftenreihe: Wissenschafltiche Beiträge über künstliche Intelligenz ; 1
    Schlagworte: Agent <Künstliche Intelligenz>; Künstliche Intelligenz; Hierarchisches System; Wissensbasis; Computerspiel; Videospiel; Wissensextraktion; Maschinelles Lernen
    Weitere Schlagworte: künstliche Intelligenz; maschinelles Lernen; lernende Algorithmen; learned agent behavior; Videospielprogrammierung; Knowledge Bases; Q-Learning; Dissertation; Knowledge Representation; InteKRator Toolbox; HKB; human-readability; strategic depth; Informatik Programmierung; Mensch-Maschinen-Interaktion
    Umfang: 194 Seiten, Illustrationen, Diagramme, 21 cm x 15 cm, 264 g
  2. Comprehensive knowledge base extraction for learning agents
    practical challenges and applications in games
    Autor*in: Apeldoorn, Daan
    Erschienen: 2023
    Verlag:  Verlag Mainz, Aachen

    The need for artificial intelligence systems that are not only capable of mastering complicated tasks but also of explaining their decisions has massively gained attention over the last years. This also seems to offer opportunities for further... mehr

    Standort:
    Freie Universität Berlin, Universitätsbibliothek
    Fernleihe:
    uneingeschränkte Fernleihe, Kopie und Ausleihe

     

    The need for artificial intelligence systems that are not only capable of mastering complicated tasks but also of explaining their decisions has massively gained attention over the last years. This also seems to offer opportunities for further interconnecting different approaches to artificial intelligence, such as machine learning and knowledge representation.This work considers the task of learning knowledge bases from agent behavior, with a focus on human-readability, comprehensibility and applications in games. in this context, it will be presented how knowledge can be organized and processed on multiple levels of abstraction, allowing for efficient reasoning and revision. It will be investigated how learning agents can benefit from incorporating the approaches into their learning processes.Examples and applications are provided, e.g., in the context of general video game playing. The most essential approaches are implemented in the InteKRator toolbox and show potential for being applied in other domains (e.g., in medical informatics)

     
    Export in Literaturverwaltung   RIS-Format
      BibTeX-Format
    Quelle: Philologische Bibliothek, FU Berlin
    Sprache: Englisch
    Medientyp: Dissertation
    ISBN: 9783958864900
    RVK Klassifikation: ST 300
    Auflage/Ausgabe: 1. Auflage
    Schriftenreihe: Wissenschafltiche Beiträge über künstliche Intelligenz ; 1
    Schlagworte: Agent <Künstliche Intelligenz>; Künstliche Intelligenz; Hierarchisches System; Wissensbasis; Computerspiel; Videospiel; Wissensextraktion; Maschinelles Lernen
    Weitere Schlagworte: HKB; Informatik Programmierung; InteKRator Toolbox; Knowledge Representation; Künstliche Intelligenz; Lernende Algorithmen; Maschinelles Lernen; Mensch-Maschinen-Interaktion; Q-Learning; Videospielprogrammierung; human-readability; knowledge bases; learned agent behavior; erste Hälfte 21. Jahrhundert (2000 bis 2050 n. Chr.); Algorithmen und Datenstrukturen; Maschinelles Lernen; Mensch-Computer-Interaktion; Spieleentwicklung und -programmierung
    Umfang: 194 Seiten, Illustrationen, Diagramme
    Bemerkung(en):

    Dissertation, Technische Universität Dortmund, 2022
  3. Q-Learning and SARSA
    a comparison between two intelligent stochastic control approaches for financial trading
    Autor*in: Corazza, Marco; Sangalli, Andrea
    Erschienen: [2015]
    Verlag:  Department of Economics, Ca’ Foscari University of Venice, Venice Italy

    Standort:
    ZBW - Leibniz-Informationszentrum Wirtschaft, Standort Kiel
    Fernleihe:
    keine Fernleihe
    Export in Literaturverwaltung   RIS-Format
      BibTeX-Format
    Hinweise zum Inhalt
    Quelle: Verbundkataloge
    Sprache: Englisch
    Medientyp: Buch (Monographie)
    Format: Online
    Schriftenreihe: Working paper / Ca' Foscari University of Venice, Department of Economics ; 2015, no. 15
    Schlagworte: Financial trading system; Adaptive Market Hypothesis; model free machine learning; Reinforcement Learning; Q-Learning; SARSA; Italian stock market
    Umfang: 1 Online-Ressource (circa 25 Seiten), Illustrationen