Algorithmen für Computerspiele
|
|
- Theodor Maier
- vor 7 Jahren
- Abrufe
Transkript
1 Algorithmen für Computerspiele Künstliche Intelligenz von Manuel Bischof 3. Mai 2010
2 Gliederung Einleitung Was umfasst die KI? Nutzung in verschiedenen Genres Wo sind Verbesserungen notwendig? Möglichkeiten, KI zu modellieren Entscheidungsbäume Regelbasierte Systeme Neuronale Netze Genetische Algorithmen First-Person Shooter: Quake Besondere Anforderungen Grundlegende KI (SOAR-Engine) Antizipation zur Verbesserung der KI 2
3 Gliederung Einleitung Was umfasst die KI? Nutzung in verschiedenen Genres Wo sind Verbesserungen notwendig? Möglichkeiten, KI zu modellieren Entscheidungsbäume Regelbasierte Systeme Neuronale Netze Genetische Algorithmen First-Person Shooter: Quake Besondere Anforderungen Grundlegende KI (SOAR-Engine) Antizipation zur Verbesserung der KI 3
4 Einleitung: Der Begriff KI Nicht genau spezifiziert Verhalten von Lebewesen in der digitalen Welt Nachahmung der Realität Turing-Test Besseres Spielgefühl Spielen mit anderen Menschen macht mehr Spaß Spieler soll an das Spiel gebunden werden 4
5 Einsatzgebiete der KI Umgebung Vollständig beobachtbar teilweise beobachtbar Deterministisch Stochastisch Episodisch Sequenziell Statisch Dynamisch Diskret Stetig Einzelagent Multiagenten-System 5
6 Verwendung der KI in unterschiedlichen Genres 6
7 Einleitung: verschiedene Genres RPGs Baldur's Gate MMORPGs World of Warcraft Strategiespiele Echtzeit Command & Conquer Rundenbasiert Civilization First-Person Shooter (FPS) Quake Bots als Gegner Jump 'n' Run Tomb Raider Meist statische Umgebung Selten Gegner ( FPS) 7
8 Verbesserungsmöglichkeiten 8
9 Verbesserungsmöglichkeiten Geschichtenerzählen Intelligente Kameraführung Automatische Geschichtsentwicklung aus Skripten Hauptsächlich in RPGs wichtig MMORPGs Alle Charaktere erleben die gleiche Geschichte Bisher hauptsächlich variabel auf RPG Servern Geschichte wird jedoch von Spielern getragen Keine Auswirkung auf NSCs 9
10 Verbesserungsmöglichkeiten Dynamisches Lernen Verwendung von neuronalen Netzen und genetischen Algorithmen Bisher meist offline trainiert Online: Black & White Sims Schwierigkeitsgrad während dem Spielen anpassen Nachteil: Ergebnisse schwer vorhersagbar (Gefahr von Bugs) 10
11 Verbesserungsmöglichkeiten Gefühle wecken Emotionen bestimmen, wie sehr man in ein Spiel eintaucht Techniken, vergleichbar mit Filmen: Unterschiedliche Kamerablickwinkel Zwischensequenzen Atmosphärische Musik Soundeffekte Musik, Sound und Stimmen funktionieren schon gut Animation der Charaktere oft noch mangelhaft Insbesondere Gestik und Mimik 11
12 Gliederung Einleitung Was umfasst die KI? Nutzung in verschiedenen Genres Wo sind Verbesserungen notwendig? Möglichkeiten, KI zu modellieren Entscheidungsbäume Regelbasierte Systeme Neuronale Netze Genetische Algorithmen First-Person Shooter: Quake Besondere Anforderungen Grundlegende KI (SOAR-Engine) Antizipation zur Verbesserung der KI 12
13 Modellierung von KI Entscheidungsbäume Eingabe: Objekt oder Situation, beschrieben von Attributen Test an jedem Knoten Je nach Attribut folgt man der entsprechenden Kante Zielprädikat an den Blattknoten => Ergebnis Wahl der Wurzel wichtig 13
14 Entscheidungsbäume - Beispiel 14
15 Modellierung von KI Regelbasierte Systeme Trennung von Kontrollfluss und Wissen Vordefinierte If-Then-(Else-)Regeln Test der Regeln aufgrund gegebener Fakten Oft Expertensysteme Versuchen Hilfestellung in natürlicher Sprache zu geben Beispiele: Medizinische Diagnose Technische Diagnose Planungssysteme (Logistik) E-Learning 15
16 Modellierung von KI (Künstliche) Neuronale Netze Nachbildung des menschlichen Gehirns 100Mrd Neuronen Graph mit Knoten = Neuronen Jeder Knoten hat Ein- und Ausgänge Knoten sind mit gewichteten Kanten verbunden Netz kann trainiert werden Überwacht Nicht überwacht Verstärkendes Lernen Testphase Ausgangsreize Neue Reize 16
17 Modellierung von KI Genetische Algorithmen Stochastische Erzeugung von Nachfolgezuständen Durch Kombination von Zuständen 17
18 Gliederung Einleitung Was umfasst die KI? Nutzung in verschiedenen Genres Wo sind Verbesserungen notwendig? Möglichkeiten, KI zu modellieren Entscheidungsbäume Regelbasierte Systeme Neuronale Netze Genetische Algorithmen First-Person Shooter: Quake Besondere Anforderungen Grundlegende KI (SOAR-Engine) Antizipation zur Verbesserung der KI 18
19 Anforderungen an Bots in FPS Umgebung erkunden Interne Karte erstellen mit Räumen, Powerups etc. Ausrüstung einsammeln Waffen Rüstung Schadenserhöhung Bei Bedarf auch Leben Gegner ausschalten Überleben 19
20 Grundlegende KI in Quake SOAR-Engine 20
21 KI in Quake SOAR-Engine Zur Entscheidungsfindung und deren Ausführung Kommuniziert über eine Netzwerkschnittstelle mit dem Bot Operatoren: Laufen Drehen Springen Schießen Interne Aktionen Letzte Position des Gegners merken Ausrüstung des Gegners merken Abstraktere / Zusammengesetzte Operatoren: Angreifen Item holen Durch eine Tür gehen Dem Gegner Powerups verweigern 21
22 KI in Quake Taktiken: Powerups einsammeln Bedarf analysieren Respawnzeiten merken Kürzeste Wege / Rundwege ermitteln Gegner angreifen Circle-strafing Distanzklasse je nach gegnerischer und eigener Waffe wählen Rückzug Bei wenig Gesundheit Verfolgung Auf Basis von Geräuschen, letzter Sichtung des Gegners Jagen Suche nach Kill den nächsten Spawnpunkt und Räume, die der Gegner häufiger aufsucht ab Hinterhalt stellen 22
23 KI in Quake Operatoren bzw. Taktiken, die nicht direkt eingesetzt werden können, werden zu Zielen Verfolgung von Zielen bis: Ziel erreicht, oder Auswertung der Sensorik ergibt, dass das Ziel nicht mehr relevant ist 23
24 KI in Quake Prozesszyklus: Wahrnehmung Auswertung der Sensorik / Operator-Vorschlag / Auswertung der Vorschläge Wahl von Operatoren Anwendung der Operatoren Output: Kommandos weitergeben 24
25 Antizipation 25
26 Antizipation Bot soll Spielerhandlung vorausahnen und ausnutzen Interne Darstellung aus Sicht des Gegners Problem: Wann soll diese berechnet werden? Integration des predict-enemy Operators in den Prozesszyklus Bei Wahl des Operators wird die Berechnung durchgeführt Hauptsächlich aufgerufen von hunt, ambush und deny-powerups 26
27 Antizipation Optimierungen: Overhead durch Berechnung der internen Repräsentation verringern Vorhersagen als Regel abspeichern Dadurch müssen bereits vorhandene Vorhersagen nicht nochmals berechnet werden (kann einige Sekunden dauern) Rekursive Antizipation Antizipation aus Sicht des Gegners Idee: Gegner überraschen, in dem man Unvorhergesehens tut 27
28 Ausblick 28
29 Ausblick Standardisierung KI-Middleware Spezielle KI-Hardware? Effektivere Methoden: Neuronale Netze Exportierbarkeit Moral? 29
30 Empfohlene Vorlesungen Grundlagen der Künstlichen Intelligenz Neuronale Netze Einführung in die verteilte KI Adaptive emotionale Agenten in interaktiven Softwaresystemen 30
31 Vielen Dank für die Aufmerksamkeit 31
Künstliche Intelligenz
Seminar Algorithmen für Computerspiele Künstliche Intelligenz Manuel Bischof Betreuer: Sven Bachthaler 14. Juni 2010 Institut für Visualisierung und Interaktive Systeme Universität Stuttgart Inhaltsverzeichnis
MehrAI in Computer Games. Übersicht. Motivation. Vorteile der Spielumgebung. Techniken. Anforderungen
Übersicht AI in Computer Games Motivation Vorteile der Spielumgebung Techniken Anwendungen Zusammenfassung Motivation Vorteile der Spielumgebung Modellierung glaubwürdiger Agenten Implementierung menschlicher
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 4. Einführung: Umgebungen und Problemlösungsverfahren Malte Helmert Universität Basel 2. März 2015 Einführung: Überblick Kapitelüberblick Einführung: 1. Was ist Künstliche
MehrPlanungsansätze aus der Künstlichen Intelligenz
Planungsansätze aus der Künstlichen Intelligenz Seminarvortrag Eingereicht von Betreuender Professor: Betreuender Assistent: Felix Heitbrock Matrikelnummer: 4013238 Prof. Dr.-Ing. Andreas Terstegge Dipl.-Inform.
MehrKünstliche Intelligenz
Künstliche Intelligenz Intelligente Agenten Claes Neuefeind Sprachliche Informationsverarbeitung Universität zu Köln 26. Oktober 2011 Agenten Konzept des Agenten Rationalität Umgebungen Struktur von Agenten
Mehrauf einer Suche basierender problemlösender Agent (Kapitel 3) logischer Planungsagent (Kapitel 10)
11 Planen Zentrale Fragestellung: Wie kann ein Agent die Struktur eines Problems nutzen, um komplexe Aktionspläne zu konstruieren? Bisher zwei Beispiele für planende Agenten: auf einer Suche basierender
MehrModellierung menschenähnlicher Gegenspieler in Strategiespielen mit Techniken der Computational Intelligence
Modellierung menschenähnlicher Gegenspieler in Strategiespielen mit Techniken der Computational Intelligence Nicola Beume, Boris Naujoks, Mike Preuß WiSe 2007/08, SoSe 2008 Technische Universität Dortmund
MehrIntelligente Agenten
KI Wintersemester 2013/2014 Intelligente Agenten Grundlagen der Künstlichen Intelligenz Wintersemester 2014/2015 Marc Toussaint 2006-2014 Heidemann, Bruhn, Toussaint Überblick Überblick Agentenbegriff,
MehrSeminar Künstliche Intelligenz Wintersemester 2013/14
Seminar Künstliche Intelligenz Wintersemester 2013/14 Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 31.10.2013 2 / 13 Überblick Teilgebiete der KI Problemlösen,
MehrLearning to Optimize Mobile Robot Navigation Based on HTN Plans
Learning to Optimize Mobile Robot Navigation Based on HTN Plans lernen Betreuer: Freek Stulp Hauptseminar Intelligente Autonome Systeme (WiSe 2004/05) Forschungs- und Lehreinheit Informatik IX 8. Dezember
Mehrin der Versorgungstechnik? Prof. Dr. Michael Krödel
Künstliche Intelligenz (KI) in der Versorgungstechnik? g Was ist KI? Künstliche Intelligenz (KI; engl. artificial i intelligence, AI) ist ein Teilgebiet der Informatik, das sich mit der Automatisierung
MehrModellierung von Non Player Chareacters
Modellierung von Non Player Chareacters Konzeption Künstlicher Charaktere Games Summer Camp 2006 Cindy Löther Inhalt 1 Einleitung 2 Definitionen 3 Non Player Characters (NPC) 4 Modellierung von NPCs 5
MehrEinführung in die AI
1 Einführung in die AI Prof. Georg Gottlob Institut für Informationssysteme Technische Universität Wien Folien zur Vorlesung Konzepte der Artificial Intelligence 3 Zum Begriff Artificial Intelligence AI:
MehrVIRTUAL REALITY UND DIE ENTWICKLUNG VON SPIELEN IM ALLGEMEINEN
1 VIRTUAL REALITY UND DIE ENTWICKLUNG VON SPIELEN IM ALLGEMEINEN VON LUKAS OBERMAIER 2 ÜBERSICHT Was ist Virtual Reality eigentlich genau? (Begriffserklärung) Erster Schritt zur Entwicklung von Spielen
MehrKünstliche Neuronale Netze
Künstliche Neuronale Netze als Möglichkeit, einer Maschine das Lesen beizubringen Anja Bachmann 18.12.2008 Gliederung 1. Motivation 2. Grundlagen 2.1 Biologischer Hintergrund 2.2 Künstliche neuronale Netze
MehrGame Development Massively Multiplayer Games Computer Supported Cooperative Play
Game Development Massively Multiplayer Games Computer Supported Cooperative Play 16. Juni 2007 MMOGS - Einleitung MMOGS - Kategorisierung von Multiplayerspielen Kategorisierung von Multiplayerspielen Beschreibung
MehrEinleitung und Intelligente Agenten MAS-Seminar - SS2008
Einleitung und Intelligente Agenten MAS-Seminar - SS2008 Daniel Kühn Dorothe Schneider Tessa-Karina Tews 17. April 2008 1 Einführung 1.1 Trends in der Geschichte der Berechnung Die Geschichte von Berechnung
MehrNicht ohne meinen Computer
Nicht ohne meinen Computer Kinder und Jugendliche im Sog schöner neuer Fantasiewelten Computersucht eine Gefahr für f r uns alle? - Computersucht zwanghafter Drang, sich täglich stundenlang mit dem Computer
MehrParallelität im Betrieb von Online-Computerspielen
Parallelität im Betrieb von Online-Computerspielen Jens Müller Arbeitsgruppe Parallele und Verteilte Systeme Institut für Informatik Westfälische Wilhelms-Universität Münster http://pvs.uni-muenster.de/pvs/
MehrExpertensysteme / XPS
Expertensysteme / XPS Alexander Pentzlin und Thiemo Bannasch KI II Claes Neuefeind 27.06.2012 1 Inhalt Was ist ein Expertensystem Geschichtlicher Hintergrund Prinzip eines XPS Komponenten Realisierungsprinzipien
Mehr7. Vorlesung Neuronale Netze
Soft Control (AT 3, RMA) 7. Vorlesung Neuronale Netze Grundlagen 7. Vorlesung im Aufbau der Vorlesung 1. Einführung Soft Control: Definition und Abgrenzung, Grundlagen "intelligenter" Systeme 2. Wissensrepräsentation
MehrKonzepte der AI Neuronale Netze
Konzepte der AI Neuronale Netze Franz Wotawa Institut für Informationssysteme, Database and Artificial Intelligence Group, Technische Universität Wien Email: wotawa@dbai.tuwien.ac.at Was sind Neuronale
MehrWissensentdeckung in Datenbanken
Wissensentdeckung in Datenbanken Deep Learning Nico Piatkowski und Uwe Ligges Informatik Künstliche Intelligenz 20.07.2017 1 von 11 Überblick Künstliche Neuronale Netze Motivation Formales Modell Aktivierungsfunktionen
MehrWas versteht man unter Intelligenz
Was versteht man unter Intelligenz keine allgemein gültige Definition! unterschiedliche Definitionsansätze (Medizin,Philosophie,etc.) Persönliche Definition: Das aktive Wahrnehmen von Äußeren Einflüssen,
MehrMachine Learning & Künstliche Intelligenz
Dr. med. Christina Czeschik Serapion www.serapion.de Machine Learning & Künstliche Intelligenz Eine kurze Einführung Künstliche Intelligenz intelligent nutzen Essen, 08.06.2018 Künstliche Intelligenz Turing-Test
MehrClassification and Regression Trees. Markus Müller
Classification and Regression Trees Markus Müller Gliederung Lernen Entscheidungsbäume Induktives Lernen von Bäumen ID3 Algorithmus Einfluß der Beispielmenge auf den Baum Möglichkeiten zur Verbesserung
MehrWissensrepräsentation
Wissensrepräsentation Vorlesung Sommersemester 2008 12. Sitzung Dozent Nino Simunic M.A. Computerlinguistik, Campus DU Übersicht Rückblick, Zusammenhänge Mysterien 2 Inhalte im abstrakten Überblick Künstliche
MehrArtificial Intelligence. Deep Learning Neuronale Netze
Artificial Intelligence Deep Learning Neuronale Netze REVOLUTION Lernende Maschinen Mit lernenden Maschinen/Deep Learning erleben wir aktuell eine Revolution in der Informationsverarbeitung. Neue Methoden
MehrKünstliche Intelligenz Maschinelles Lernen
Künstliche Intelligenz Maschinelles Lernen Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Maschinelles Lernen Überwachtes Lernen Unüberwachtes
MehrGeschichte und Ästhetik der audiovisuellen und digitalen Medien II
Universität Bayreuth Angewandte Medienwissenschaft: Digitale Medien Sommersemester 2013 Geschichte und Ästhetik der audiovisuellen und digitalen Medien II Computerspielgenres Prof. Dr. Jochen Koubek Funktionen
MehrGeneral Video Game AI Competition 2017
General Video Game AI Competition 2017 Teilnahme an einem Wettbewerb der künstlichen Intelligenz für Computerspiele Tobias Joppen, Christan Wirth, Prof. J. Fürnkranz 21.04.2017 Fachbereich Informatik Knowledge
MehrSerious Games Spielen, Lernen, Simulation
Serious Games Spielen, Lernen, Simulation Forschungslandschaft und Anwendung Anno 1701 Holger Diener Entertainment Technologien Fraunhofer-Institut für Graphische Datenverarbeitung Institutsteil Rostock
MehrRheinisch Westfälische Technische Hochschule Aachen Lehr- und Forschungsgebiet Informatik 4 Prof. Dr. Ing. Felix Freiling. Seminar: SeVVes 2006
Rheinisch Westfälische Technische Hochschule Aachen Lehr- und Forschungsgebiet Informatik 4 Prof. Dr. Ing. Felix Freiling Seminar: SeVVes 2006 alternative Authentifizierungsverfahren: Passfaces & CAPTCHAs
MehrKünstliche Neuronale Netze
Inhalt (Biologische) Neuronale Netze Schwellenwertelemente Allgemein Neuronale Netze Mehrschichtiges Perzeptron Weitere Arten Neuronaler Netze 2 Neuronale Netze Bestehend aus vielen Neuronen(menschliches
MehrSeminar Kognitive Robotik. Interne Modelle I Vorwärtsmodelle Vortragender: Rüdiger Timpe
Seminar Kognitive Robotik Interne Modelle I Vortragender: Rüdiger Timpe Quellen Miall/Wolpert: Forward Models for Physiological Motor Control (1996) Blakemore/Wolpert/Frith: Why can't you tickle yourself?
MehrDie Geschichte des Spielens
GAMES Die Geschichte des Spielens Spiele sind so alt wie die Menschheit: Vase: Achilles und Ajax beim Würfelspiel Die Geschichte des Spielens Spiele sind so alt wie die Menschheit warum spielen Menschen?
MehrSimulation als epistemologische Grundlage für intelligente Roboter
1 Simulation als epistemologische Grundlage für intelligente Roboter Andreas Tolk The MITRE Corporation Umut Durak Deutsches Zentrum für Luft- und Raumfahrt e.v. (DLR) Public Release No. 17-0085 2017 The
MehrInformatik II, SS 2018
Informatik II - SS 2018 (Algorithmen & Datenstrukturen) Vorlesung 21 (11.7.2018) String Matching (Textsuche) II Greedy Algorithmen I Algorithmen und Komplexität Textsuche / String Matching Gegeben: Zwei
MehrDatenorientierte SA. Aufbau und Grundlagen. Aufbau und Grundlagen. Aufbau und Grundlagen. Was sind neuronale Netze?
Datenorientierte SA Was sind neuronale Netze? Neuronale Netze: Grundlagen und Anwendungen Neuronale Netze bilden die Struktur eines Gehirns oder eines Nervensystems ab Andreas Rauscher 0651993 Damir Dudakovic
MehrLatency. Auswirkung von Netzwerkverzögerung auf das Spielgefühl von Onlinespielern. Daniel Schön. 22. Oktober 2008
Latency Auswirkung von Netzwerkverzögerung auf das Spielgefühl von Onlinespielern Daniel Schön 22. Oktober 2008 Inhaltsverzeichnis Einleitung Real-Time-Strategy First-Person-Shooter Relative Latenzen Fazit
Mehr7. Dynamische Datenstrukturen Bäume. Informatik II für Verkehrsingenieure
7. Dynamische Datenstrukturen Bäume Informatik II für Verkehrsingenieure Übersicht dynamische Datenstrukturen Wozu? Oft weiß man nicht von Beginn an, wieviele Elemente in einer Datenstruktur untergebracht
MehrGeneral Video Game AI Competition 2016
General Video Game AI Competition 2016 Teilnahme an einem Wettbewerb der künstlichen Intelligenz für Computerspiele Miriam Moneke, Nils Schröder, Tobias Joppen Christan Wirth, Prof. J. Fürnkranz 13.04.2016
MehrBACKPROPAGATION & FEED-FORWARD DAS MULTILAYER PERZEPTRON
BACKPROPAGATION & FEED-FORWARD DAS MULTILAYER PERZEPTRON EINFÜHRUNG IN KÜNSTLICHE NEURONALE NETZE Modul Leitung Technischer Datenschutz und Mediensicherheit Nils Tekampe Vortrag Jasmin Sunitsch Abgabe
Mehr- Soccer Simulation - Dietmar Lammers / Hochschultag. Institut für Informatik Universität Münster. Agenten und Roboter.
Agenten Agenten und - Soccer Simulation - Institut für Informatik Universität Münster 2008-11-06 / Hochschultag Gliederung Agenten 1 Agenten 2 3 4 2006 2007 5 Agenten - Agenten Autonom agierende Programme
MehrComputerspiele: Genres
ACTION Der Faszinationsgrad dieser Spiele wird durch die Multiplayer-Möglichkeiten noch beträchtlich erhöht. Dadurch ist eine Interaktion mit mehreren Mitspielern entweder lokal oder übers Internet möglich.
MehrEinführung in die Artificial Intelligence
Einführung in die Artificial Intelligence Institut für Computertechnik ICT Institute of Computer Technology Roland Lang mailto:langr@ict.tuwien.ac.at Definition: Was ist AI? ISO 4177: Artificial Intelligence
MehrUniversität Osnabrück Fachbereich Mathematik / Informatik. 9. Übung. Prof. Dr. rer. nat. Oliver Vornberger Nico Marniok, B. Sc. Erik Wittkorn, B. Sc.
Universität Osnabrück Fachbereich Mathematik / Informatik 9. Übung Prof. Dr. rer. nat. Oliver Vornberger Nico Marniok, B. Sc. Erik Wittkorn, B. Sc. 18.06.2013 1 Übersicht 1. Präsentation des letzten Übungsblattes
MehrVERHANDLUNGSTRATEGIEN VON SOFTWARE AGENTEN. Henrik Brauer
1 VERHANDLUNGSTRATEGIEN VON SOFTWARE AGENTEN Henrik Brauer INHALT Problemstellung Verhandlungsmodell Domänentypen in Multiagentensystemen Verhandlungsbereich in aufgabenorientierten Domänen Verhandlungsstrategie
MehrTUD Computer Poker Challenge
TUD Computer Poker Challenge The Challenge of Poker Björn Heidenreich 31. März 2008 The Challenge of Poker Björn Heidenreich 1 Anforderungen an einen guten Poker-Spieler Hand Strength Hand Potential Bluffing
MehrKünstliche Intelligenz im Informatikunterricht -Unterrichtseinheit Chatbots- Klasse 9/10. Helmut Witten & Malte Hornung
Künstliche Intelligenz im Informatikunterricht -Unterrichtseinheit Chatbots- Klasse 9/10 Helmut Witten & Malte Hornung KI im Informatikunterricht: Unterrichtseinheit Chatbots 1 Agenda Motivation und Ziele
MehrAlgorithmenalltag. Prof. Dr.-Ing. Johannes Konert Fachgebiet Web Engineering
Algorithmenalltag Prof. Dr.-Ing. Johannes Konert Fachgebiet Web Engineering Start reden (Begrüßung) vortragen Aufmerk-samkeit erlangt? kurze Pause machen Ende Algorithmen Was machen sie mit uns? Was sind
MehrNeuroinformatik. Übung 1
Neuroinformatik Übung 1 Fabian Bürger Raum: BC419, Tel.: 0203-379 - 3124, E-Mail: fabian.buerger@uni-due.de Fabian Bürger (fabian.buerger@uni-due.de) Neuroinformatik: Übung 1 1 / 27 Organisatorisches Neuroinformatik:
Mehr! 1. Rekursive Algorithmen.! 2. Rekursive (dynamische) Datenstrukturen. II.3.2 Rekursive Datenstrukturen - 1 -
! 1. Rekursive Algorithmen! 2. Rekursive (dynamische) Datenstrukturen II.3.2 Rekursive Datenstrukturen - 1 - Ausdruck Ausdruck Grundwert ( Typ ) Präfix-Operator Name Methodenaufruf [ Ausdruck ] ( Ausdruck
MehrSeminar Künstliche Intelligenz WS 2013/14 Grundlagen des Maschinellen Lernens
Seminar Künstliche Intelligenz WS 2013/14 Grundlagen des Maschinellen Lernens Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 19.12.2013 Allgemeine Problemstellung
MehrAnt Colony Optimization (ACO)
Ant Colony Optimization (ACO) Daniel Blum 24.4.2003 Projektgruppe 431 Metaheuristiken Lehrstuhl 11, Fachbereich Informatik, Universität Dortmund 1 Übersicht Vorbild Natur Übertragung der Ideen Beispiele
Mehrallgemeine Übersicht / Struktur
allgemeine Übersicht / Struktur Übergreifende fachliche Kompetenz selbstständiges informatisches Problemlösen Kompetenzbereiche Prozesse Gegenstände Kompetenzerwartungen Verknüpfung von Prozessen und Gegenständen
MehrEinfacher und effektiver Einstieg in die Datenanalyse in der Smart Maintenance
Einfacher und effektiver Einstieg in die Datenanalyse in der Smart Maintenance Science Center der maintenance 2018 in Dortmund In diesem Vortrag untersuchen wir die folgenden Fragen: Was bedeutet Smart
MehrInhaltliche Planung für die Vorlesung
Vorlesung: Künstliche Intelligenz - Mustererkennung - P LS ES S ST ME Künstliche Intelligenz Miao Wang 1 Inhaltliche Planung für die Vorlesung 1) Definition und Geschichte der KI, PROLOG 2) Expertensysteme
MehrDynamisches Routing in der Logistik
Informatik, Angewandte Informatik, Technische Informationssysteme Dynamisches Routing in der Logistik Tobias Dimmel Dresden, 24.05.2012 Agenda 1. Begriffe 2. Traveling Salesman Problem 3. Ameisenalgorithmus
Mehr1. Rekursive Algorithmen 2. Rekursive (dynamische) Datenstrukturen
1. Rekursive Algorithmen 2. Rekursive (dynamische) Datenstrukturen II.3.2 Rekursive Datenstrukturen - 1 - Grundwert ( Typ ) Präfix-Operator Name Methodenaufruf [ ] ( ) Infix-Operator Methodenaufruf new
MehrDynamic Scripting. Knowledge Engineering und Lernen in Spielen. Thomas Kellner
Dynamic Scripting Knowledge Engineering und Lernen in Spielen Thomas Kellner DS: Überblick Einleitung Scripte Adaptive Spiele KI Technische Anforderungen Funktionelle Anforderungen Beschreibung Ziele Illustration
MehrTeil II: Einstieg in Expertensysteme
Teil II: Einstieg in Expertensysteme Begriffsbestimmung: Was sind wissensbasierte Systeme? Die beiden Begriffe Expertensystem und wissensbasiertes System werden weitgehend synonym verwendet für Softwaresysteme,
MehrEinführung Intelligente Agenten
Einführung Intelligente Agenten Sara Winter, Kai Mismahl, Anja Philippsen Seminar Multiagentensysteme Universität Bielefeld 23. April 2009 Übersicht Einführung Intelligente Agenten Definition eines Agenten
MehrÜbersicht. Künstliche Intelligenz: 6. Spiele Frank Puppe 1
Übersicht I Künstliche Intelligenz II Problemlösen 3. Problemlösen durch Suche 4. Informierte Suchmethoden 5. Constraint-Probleme 6. Spiele III Wissen und Schlußfolgern IV Logisch Handeln V Unsicheres
MehrNeuronale Netze. Christian Böhm.
Ludwig Maximilians Universität München Institut für Informatik Forschungsgruppe Data Mining in der Medizin Neuronale Netze Christian Böhm http://dmm.dbs.ifi.lmu.de/dbs 1 Lehrbuch zur Vorlesung Lehrbuch
MehrModellgestützte Online-Programmierverfahren für Industrieroboter
Modellgestützte Online-Programmierverfahren für Industrieroboter 40. Sitzung des FA 4.13 Steuerung und Regelung von Robotern Universität Karlsruhe(TH) Institut für Prozessrechentechnik,Automation und Robotik
MehrKünstliche Intelligenz
Künstliche Intelligenz Abschlusspräsentation Gruppe: Blau_KI1112 1 Team Blau_KI1112 Harjin Esmael Jochen Hansch Nils Hühn Felix Marx Nikolai Warkentin Alexander Wecker 2 Inhalt Aufgabenstellung Arbeitsumgebung
MehrDie Neurobiologischen Bedingungen Menschlichen Handelns. Peter Walla
Die Neurobiologischen Bedingungen Menschlichen Handelns 3 wichtige Sichtweisen der Neurobiologie 1. Das Gehirn produziert kontrolliertes Verhalten (somit auch jegliches Handeln) 2. Verhalten ist gleich
MehrReinforcement Learning
Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen Reinforcement Learning Uwe Dick Inhalt Problemstellungen Beispiele Markov Decision Processes Planen vollständige MDPs Lernen unbekannte
MehrJ. Reinier van Kampenhout Robert Hilbrich Hans-Joachim Goltz. Workshop Echtzeit Fraunhofer FIRST
Modellbasierte Generierung von statischen Schedules für sicherheitskritische, eingebettete Systeme mit Multicore Prozessoren und harten Echtzeitanforderungen J. Reinier van Kampenhout Robert Hilbrich Hans-Joachim
MehrIdee: Modifizieren der Objekte (und Erzeugen, Löschen) mittels algorithmischer Vorschriften (vgl. prozedurale Modellierung, Kap.
Prozedurale Animation Idee: Modifizieren der Objekte (und Erzeugen, Löschen) mittels algorithmischer Vorschriften (vgl. prozedurale Modellierung, Kap. 10) Art des verwendeten Algorithmus: sehr unterschiedliche
MehrEinführung. Einführung in die Methoden der Künstlichen Intelligenz. Maschinelles Lernen. Lernen und Agenten. Beispiele
Einführung Einführung in die Methoden der Künstlichen Intelligenz Maschinelles Lernen Dr. David Sabel WS 2012/13 Direkte Programmierung eines intelligenten Agenten nicht möglich (bisher) Daher benötigt:
MehrMultiagentensimulation im Verkehr: Eignet sich die Multiagentensimulation zur Abbildung der Verhaltensstruktur im Verkehr?
Multiagentensimulation im Verkehr: Eignet sich die Multiagentensimulation zur Abbildung der Verhaltensstruktur im Verkehr? Oliver Prinz Betreuer: Patrik Jochem Ausgewählte technische, rechtliche und ökonomische
MehrInhalt. Wissensbasierte Diagnose Entscheidungsbäume Bayes-Netze Fallbasiertes Schließen Funktionsorientierte Diagnose Modellbasierte Systeme
Inhalt 2 Wissensbasierte Diagnose 3 Diagnose bezeichnet hier das Rückschließen auf mögliche Ursachen, welche zu beobachtbaren Wirkungen führen. Heutige Diagnosesysteme haben gute Diagnosebasisfunktionen,
MehrJARTS - JAdex plays RealTime Strategy
Präsentation AW 2 SoSe 2009 Gregor Balthasar JARTS - JAdex plays RealTime Strategy Ein Jadex-Framework zur einfachen Integration von BDI-Agenten in ein Echtzeitstrategiespiel Gliederung Einführung Testumgebung
MehrSuper-Mario Knowledge Engineering und Lernen in Spielen
Super-Mario Knowledge Engineering und Lernen in Spielen 18. Mai 2010 Fachgebiet Knowledge Engineering Christian Reuter 1 Übersicht 1. Super-Mario (allgemein) 2. Modellierung der Spielerfahrung 1 Lernen,
MehrSuche in Spielbäumen Projektvorschläge
Suche in Spielbäumen Projektvorschläge Nullsummenspiele sind Spiele mit zwei Spielern, bei denen der Vorteil des einen Spielers dem Nachteil des anderen Spieler entspricht. Im einfachsten Fall binär (Sieg
MehrAbstarkte Interpretation I
Lehr- und Forschungseinheit Theoretische Informatik Hauptseminar Programmanalyse SS 2009 Abstrakte Interpretation I Prof. Dr. Martin Hofmann Referent: Gliederung I. Grundlagen der abstrakten Interpretation
MehrStochastische dynamische Optimierung
Bisher: Neuer Zustand s 0 auf Stufe n +1istdurchaltenZustands auf Stufe n und Aktion a eindeutig bestimmt. s 0 = z n (s, a) Jetzt: Neuer Zustand s 0 ist zusätzlich vom Zufall abhängig. Genauer: Zufallsvariable,
MehrVerteilte Systeme. Verteilte Systeme. 5 Prozeß-Management SS 2016
Verteilte Systeme SS 2016 Universität Siegen rolanda.dwismuellera@duni-siegena.de Tel.: 0271/740-4050, Büro: H-B 8404 Stand: 31. Mai 2016 Betriebssysteme / verteilte Systeme Verteilte Systeme (1/14) i
MehrKünstliche Intelligenz
Künstliche Intelligenz Bearbeitet von Uwe Lämmel, Jürgen Cleve 4., aktualisierte Auflage 2012. Buch. 336 S. ISBN 978 3 446 42758 7 Format (B x L): 18 x 24,5 cm Gewicht: 717 g Weitere Fachgebiete > EDV,
Mehr1. Vorlesung Gliederung und Einführung
Soft Control (AT 3, RMA) 1. Vorlesung Gliederung und Einführung Inhalt der Vorlesung Rechnergestützte Methoden in der Automatisierungstechnik Expertensysteme Anwendung: Diagnose Fuzzy-Systeme Anwendung:
MehrKapitel 1: Informationsverarbeitung durch Programme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2008 Kapitel 1: Informationsverarbeitung
MehrBinary Decision Diagrams
Hauptseminar Model Checking Binary Decision Diagrams Kristofer Treutwein 23.4.22 Grundlagen Normalformen Als kanonische Darstellungsform für boolesche Terme gibt es verschiedene Normalformen, u.a. die
MehrKünstliche Intelligenz. Andreas Breckheimer
Künstliche Intelligenz Andreas Breckheimer Was versteht man unter Intelligenz Keine Allgemein gültige Definition! Verschiedene Wissenschaften geben Definitionsansätze (Medizin,Philosophie,etc.) Persönliche
MehrAlgorithmen und Datenstrukturen 1
Algorithmen und Datenstrukturen 1 6. Vorlesung Martin Middendorf / Universität Leipzig Institut für Informatik middendorf@informatik.uni-leipzig.de studla@bioinf.uni-leipzig.de Merge-Sort Anwendbar für
MehrBasic Movements Chasing and Evading
Basic Movements Chasing and Evading AI for Game Developers Kapitel 2 Vortag Inhalt: 1) Aufgaben eines KI-Systems 2) Predator/Prey behaviour 1) Notwendigkeit 2) Mögliche Verhaltensweisen 3) Ablauf und Ziele
MehrAdaptive Systeme. Einführung. Grundlagen. Modellierung. Prof. Rüdiger Brause WS Organisation. Einführung in adaptive Systeme B-AS-1, M-AS-1
Adaptive Systeme Prof. Rüdiger Brause WS 2013 Organisation Einführung in adaptive Systeme B-AS-1, M-AS-1 Vorlesung Dienstags 10-12 Uhr, SR11 Übungen Donnerstags 12-13 Uhr, SR 9 Adaptive Systeme M-AS-2
MehrTeil VIII. Weiterführende Veranstaltungen im FG Wissensverarbeitung
Teil VIII Weiterführende Veranstaltungen im FG Wissensverarbeitung Überblick 1 Zusammenfassung AlgoDS 2 Datenbanken 3 Internet-Suchmaschinen 4 Knowledge Discovery 5 Künstliche Intelligenz 6 Seminare &
MehrDynamische Programmierung. Problemlösungsstrategie der Informatik
als Problemlösungsstrategie der Informatik und ihre Anwedung in der Diskreten Mathematik und Graphentheorie Fabian Cordt Enisa Metovic Wissenschaftliche Arbeiten und Präsentationen, WS 2010/2011 Gliederung
MehrVerbesserung der Energiebilanz durch Einsatz der virtuellen Realität Handlungsoptionen für die Kommunen
Verbesserung der Energiebilanz durch Einsatz der virtuellen Realität Handlungsoptionen für die Kommunen Prof. Jivka Ovtcharova Institut für Informationsmanagement im Ingenieurwesen (IMI) EnBW - Regionalzentrum
MehrKünstliche Intelligenz im Internet of Things Mind Slam Chemnitz, Michael Thess
Künstliche Intelligenz im Internet of Things Mind Slam Chemnitz, 2017 Michael Thess Signal Cruncher GmbH Background 2016 in Berlin als Spin-off der prudsys AG (Chemnitz) gegründet Gründung: Fokus: Produkt:
MehrVorlesung: Künstliche Intelligenz
Vorlesung: Künstliche Intelligenz - KI heute, KI morgen, KI übermorgen- D P LS G ML ES S ST SA NN ME O EA SV Künstliche Intelligenz Miao Wang 1 Inhaltliche Planung für die Vorlesung 1) Definition und Geschichte
MehrSchulinterner Lehrplan zum Kernlehrplan für die gymnasiale Oberstufe. Informatik Q2. Stand: 02/2016 Status: Gültig
Schulinterner Lehrplan zum Kernlehrplan für die gymnasiale Oberstufe Informatik Q2 Stand: 02/2016 Status: Gültig Unterrichtsvorhaben: Modellierung und Implementierung von Anwendungen mit dynamischen, nichtlinearen
MehrDiskrete Ereignissysteme. Spezielle Netzstrukturen- Übersicht. Beispiele zu speziellen Netzstrukturen. Petri-Netze und Zustandsautomaten
Diskrete Ereignissysteme 4.4 Spezialisierungen von Petri Netzen Spezielle Netzstrukturen- Übersicht Ein S-T-Netz heisst Zustands-System gdw. gilt:. W(f) = für alle Kanten f F. 2. t = t = für alle Transitionen
MehrThomas Hofmann. Ergonomie im Hauptstudium WS 2005/06 Essen. Kommunikation, Ergonomie und Design. Teil 2. Institut für Ergonomie und Designforschung
folie 1. 27 Ergonomie im Hauptstudium WS 2005/06 Essen Thomas Hofmann Kommunikation, Ergonomie und Design Teil 2 folie 2. 27 24.11.05 Einführung in Kommunikation aus Sicht der Ergonomie Kommunikation Mensch-Hardware
MehrHumanoide Roboter Erlernen von Ballannahme, Positionierung zum Ball und gezieltes Schiessen. Sebastian Jakob
Humanoide Roboter Erlernen von Ballannahme, Positionierung zum Ball und gezieltes Schiessen Sebastian Jakob Einführung Grundlegende Fragen beim Ballspiel Wie erreiche ich den Ball? Wie schieße ich ein
Mehr