Basic Movements Chasing and Evading
|
|
- Christina Heinrich
- vor 7 Jahren
- Abrufe
Transkript
1 Basic Movements Chasing and Evading AI for Game Developers Kapitel 2 Vortag
2 Inhalt: 1) Aufgaben eines KI-Systems 2) Predator/Prey behaviour 1) Notwendigkeit 2) Mögliche Verhaltensweisen 3) Ablauf und Ziele 3) Anwendung von Predator/Prey in Spielen 4) Exkurs: Grundlagen tile-basierte Welten / kontinuierliche Welten 5) Anwendung von Line-of-Sight Algorithmen 1) LoS in tile-basierten Welten 2) LoS in kontinuierlichen Welten 3) Abfangen / Ausweichen 6) Anwendung von LoS Algorithmen in Spielen 7) Ausblick 8) Demos/Anwendungen/Videos 9) Fragen
3 Aufgaben einer künstlichen Intelligenz: simulieren von intelligentem Verhalten bzw. intelligentes Verhalten simulieren von instinktivem Verhaltens bzw. instinktives Verhalten Grundlegende, angeborene Triebe: Jagd- und Fluchttrieb Verhaltensweisen: suchen / verfolgen fliehen / ausweichen
4 Notwendigkeit von Predator/Prey Behaviour : Allgegenwärtiges Prinzip In vielen Kinderspielen aufgenommen Im Naturreich wichtigster Trieb Notwendigkeit der Umsetzung in KI-Systemen grundlegender Bestandteil fast jedes Computerspiels Spielziele ohne Predator/Prey behaviour: Tetris, Karten/Brettspiele, WiSi, Adventure Was haben diese Spiele gemeinsam? In der Regel keine Simulation einer KI-Systems (im Sinne eines emotionalen Lebewesens), sondern mathematischen Modelle oder Regelmodelle.
5 Aufbau des Predator/Prey Modells: Entscheidung Ziel wählen Wegfindung Weg zum Ziel
6 KI Mögliche Verhaltensweisen: Idle Wandering Seek Flee Pursuit Evasion Interposing Hide
7 KI Mögliche Verhaltensweisen: Idle Wandering Seek Flee Pursuit Evasion Interposing Hide
8 KI Mögliche Verhaltensweisen: Idle Wandering Seek Flee Pursuit Evasion Interposing Hide
9 KI Mögliche Verhaltensweisen: Idle Wandering Seek Flee Pursuit Evasion Interposing Hide
10 KI Mögliche Verhaltensweisen: Idle Wandering Seek Flee Pursuit Evasion Interposing Hide
11 KI Mögliche Verhaltensweisen: Idle Wandering Seek Flee Pursuit Evasion Interposing Hide
12 KI Mögliche Verhaltensweisen: Idle Wandering Seek Flee Pursuit Evasion Interposing Hide
13 Ziele des Jägers: Ziele der Beute: Distanz zur Beute minimieren Distanz zum Jäger maximieren Seek / Intercept Flee / Evade Gameloop Orts-Parameter anpassen Grafik Physik KI Besser: physikalische Parameter Umgebung Hindernisse potential functions
14 prey behaviour Gameloop no threat Idle threat evade / flee captured dead
15 predator behaviour Gameloop Idle Prey Pursuit / Seek Prey captured Prey
16 predator behaviour complex version Gameloop Idle Prey lost Wander no threat Threat Evade / Flee Dead Prey Pursuit / Seek Prey Prey captured Prey
17 Erweiterungen: Arrive/Depart Abbruchbedingungen Koordinaten in Erfahrung bringen Synchronisierung in Gruppen Scattering/Separation Bedrohung neutralisieren Alignment Cohesion Smoothing
18 Anwendung in Spielen: Sportsimulation: Autorennen
19 Anwendung in Spielen: Real-Time Strategy
20 Anwendung in Spielen: 1st Person Shooter
21 Anwendung in Spielen: Role-Play Games
22 Line-of-sight: Annahmen: Sichtkontakt zwischen Predator/Prey Keine Hindernisse zwischen Ihnen Umgebung nimmt keinen Einfluß Aufgabe: Direkten Weg zum Ziel verfolgen
23 Grundlagen: wenn jäger.x < beute.x => jäger.x++ wenn jäger.x > beute.x => jäger.x-wenn jäger.y < beute.y => jäger.y++ wenn jäger.y > beute.y => jäger.y-- Wie wird ++ bzw. -- umgesetzt? predator prey
24 Exkurs: tile-basierende / kontinuierliche Welt Kontinuierliche Welten: Analoge Welt FP-Berechnungen Datenstruktur: Vektoren / Matrizen Hoher Freiheitsgrad (Pixelgenau) Tile-basierende Welten: Diskrete Welt, unterteilt in Kacheln Basierend auf Integerberechnung (effizient) Datenstruktur: Grid (z.b. 2-D Array) Beschränkt auf Kacheln
25 Line-of-sight tile-based Games: Kachelstuktur gibt Richtungen vor Standard: Quadrat => 8 Orientierungen (reicht i.d.r. für Darstellung) Standard Algorithmus: Scan-Line Algorithmus: Kürzester Weg Kürzester Weg unnatürlich natürlicher
26 Line-of-sight tile-based Games: Scan-Line Algorithmus (Bresenham): Kürzester Weg Natürliche Bewegung Direkte Verbindung Applet
27 Line-of-sight kontinuierliche Welten: Vektoren geben Orientierung an Vektor zum Ziel berechnen Bewegung entlang diesen Vektors
28 Line-of-sight kontinuierliche Welten: C=B-A C A B
29 Intercepting: Vektoren geben Orientierung an Vektor zum Abfangen berechnen Zeit bis Abfangen berechnen Vektoren zur Zeit berechnen Bewegung entlang diesen Vektors Vr = Vprey Vpredator Sr = Sprey Spredator tc = Sr / Vr Sr = Sprey + (Vprey x tc )
30 Anwendung in Spielen: Als Orientierungshilfe: Mini-Maps Kompass LoS keine stand-alone Lösung, daher: Grundkomponente von vielen fortgeschritten Lösungsansätzen
31 Mögliche Probleme: Fehlverhalten: Erweiterte Konzepte erforderlich Pathfinding Obstacle Avoidance Nicht ausreichen zur Simulation von intelligentem Verhalten
32 Ausblick: Entscheidung treffen (FSM, neuronale Netze) Pathfinding (A*, Waypoint Systeme, Obstacle Avoidance) Gruppendynamik (Flocking) Fortgeschrittene Konzepte (Pattern Movement) etc.
33 Anwendungen/Demos
34 Noch Fragen?
Advanced Movements. Manuel Ladebeck
Advanced Movements Flocking Manuel Ladebeck 16.05.2005 Inhalt 1. Was ist Flocking? 2. Classic (Basic) Flocking 3. Obstacle Avoidance 4. Follow the leader 5. Demo 6. Anmerkungen/Ausblick 7. Quellen Was
MehrBewegung: Basierend auf Potenzialfunktionen. AI for Game Developers Kapitel 5
Bewegung: Basierend auf Potenzialfunktionen AI for Game Developers Kapitel 5 Überblick Das Potenzial von Potenzialfunktionen Das Lenard-Jones Potenzial Übertrag auf ein Spiel Umsetzung: Chasing/Evading
MehrPattern Movement. Technische Universität Darmstadt Seminar Informatik SS 06 Prof. Dr. Fürnkranz. Ante Zubac
Technische Universität Darmstadt Seminar Informatik SS 06 Prof. Dr. Fürnkranz Seminar Knowledge Engineering und Lernen in Spielen Pattern Movement Ante Zubac 02.05.2006 Pattern Movement (Vordefinierte)
MehrBasic Pathfinding and Waypoints Chapter 6, AI for Game Developers, Bourg&Seeman
Basic Pathfinding and Waypoints Chapter 6, AI for Game Developers, Bourg&Seeman von Wladimir Awerbuch 2 Gesamtübersicht 1. Definition von Pathfinding 2. Einleitung 3. Basic Pathfinding 4. Breadcrumb Pathfinding
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
MehrReinforcement Learning
Reinforcement Learning 1. Allgemein Reinforcement Learning 2. Neuronales Netz als Bewertungsfunktion 3. Neuronales Netz als Reinforcement Learning Nils-Olaf Bösch 1 Allgemein Reinforcement Learning Unterschied
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
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
MehrWhy? Motivation und Lernpraxis mit game based learning... not another hype?
Why? Motivation und Lernpraxis mit game based learning... not another hype? FutureLearning III: Ars Electronica Center Linz hubert@egger.ac http://elearningcluster.at 7. Okt. 2009 1 Why not? PC-Spiele
MehrChaos-based Image Encryption
1 / 25 PS Einführung Kryptographie und IT-Sicherheit Chaos-based Image Encryption D. Schwarz, S. Ebner SS 2017 2 / 25 Übersicht 1 Einleitung & Motivation 2 Erstellung einer Chaos basierten Verschlüsselung
MehrCell Decomposition & Potential Field
Seminar EXRPR Cell Decomposition & Potential Field Gruppe 2: Thomas Janu Martin Koch Adrian J. Merkl Matthias Schneider Cell Decomposition & Potential Field 20.06.2005 Gruppe 2 Gliederung (1) 1.Cell Decomposition
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
MehrMixed Reality Gaming Where the Action is
Mixed Reality Gaming Where the Action is Grundlagen KI - Vorlesung - 08.01.2008 Motivation KI macht einen wesentlichen Teil des Gameplay aus Früher: Hardware schon mit Grafik, Sound, Spielereingaben usw.
MehrEin Modell zur Simulation der Bewegung von Schwärmen
Ein Modell zur Simulation der Bewegung von Schwärmen Ausarbeitung im Rahmen des Proseminars 2004 Christian Tomm Es wird ein Modell vorgestellt, mit dem eine natürliche Animation von Tierschwärmen ermöglicht
Mehrb) Nennen Sie vier hinreichende Bedingungen für Evolution. b) Anzahl fortlaufender Einsen von rechts. c) Sind in a) oder b) Plateaus enthalten?
Übungsblatt LV Künstliche Intelligenz, Evolutionäre Algorithmen (), 204 Exercise. Evolution a) Finden Sie zwei Evolutionsbeispiele auÿerhalb der Biologie. Identizieren Sie jeweils Genotyp, Phänotyp, genetische
Mehrb) Nennen Sie vier hinreichende Bedingungen für Evolution. b) Anzahl fortlaufender Einsen von rechts. c) Sind in a) oder b) Plateaus enthalten?
Übungsblatt LV Künstliche Intelligenz, Evolutionäre Algorithmen (1), 2015 Aufgabe 1. Evolution a) Finden Sie zwei Evolutionsbeispiele auÿerhalb der Biologie. Identizieren Sie jeweils Genotyp, Phänotyp,
MehrNumerik I. Universität zu Köln SS 2009 Mathematisches Institut Prof. Dr. C. Tischendorf Dr. M. Selva,
Universität zu Köln SS 009 Mathematisches Institut Prof. Dr. C. Tischendorf Dr. M. Selva, mselva@math.uni-koeln.de Numerik I Musterlösung 1. praktische Aufgabe, Bandmatrizen Bei der Diskretisierung von
MehrDer Algorithmus von Bresenham
Der Algorithmus von Bresenham Das Bresenham-Verfahren beruht im wesentlichen auf zwei grundsätzliche Beobachtungen: - Es reicht ein Verfahren aus um Geraden mit einer Steigung im Bereich von null bis eins
MehrOperations Research II: Fortgeschrittene Methoden der Wirtschaftsinformatik
Operations Research II: Fortgeschrittene Methoden der Wirtschaftsinformatik Michael H. Breitner, Frank Köller und Hans-Jörg v. Mettenheim 18. Juli 2007 Hans-Jörg von Mettenheim Operations Research II 1
MehrSozialwissenschaftliche Modelle und Daten SoSe 2010
Sozialwissenschaftliche Modelle und Daten SoSe 2010 LS Sozialwissenschaftliche Methodenlehre und Sozialstatistik C. Dudel C. Dudel Sozialwissenschaftliche Modelle und Daten SoSe 2010 1 23 1 Formalia 2
MehrERGÄNZUNGSFACH INFORMATIK
Informatik 1/5 ERGÄNZUNGSFACH INFORMATIK 1. STUNDENDOTATION 1. Klasse 2. Klasse 3. Klasse 4. Klasse 5. Klasse 6. Klasse 1. Semester 2 2 2. Semester 2 2 2. BILDUNGSZIELE Die Informatik durchdringt zunehmend
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
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
MehrTechnische Universität Darmstadt. Seminar: Knowledge Engineering und Lernen in Spielen, SS06 bei Prof. Dr. Fürnkranz
Technische Universität Darmstadt Seminar: Knowledge Engineering und Lernen in Spielen, SS06 bei Prof. Dr. Fürnkranz Thema: Daniel Sutlar 16.05.2006 S e ite 1 Motivation Pathfinding ist ein grundlegendes
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
MehrAngewandte Mathematik am Rechner 1
Angewandte Mathematik am Rechner 1 SOMMERSEMESTER 2017 Kapitel 3 [Bildquellen: Wikipedia User David Madore, Inductiveload ] Grundlagen 2: Funktionen, Berechenbarkeit und emergente Komplexität Michael Wand
MehrDAP2-Klausur
DAP2-Klausur 09.10.2004 Vorname : Familienname: Ich studiere (Bitte markieren): Informatik (inkl. angewandte Informatik)/ Lehramt Informatik/Informationstechnik/ Physik/Mathe/Statistik/Sonstiges: Bitte
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
Mehr6. Vorlesung. Rechnen mit Matrizen.
6. Vorlesung. Rechnen mit Matrizen. In dieser Vorlesung betrachten wir lineare Gleichungs System. Wir betrachten lineare Gleichungs Systeme wieder von zwei Gesichtspunkten her: dem angewandten Gesichtspunkt
MehrFortgeschrittene emotionale Systeme
Fortgeschrittene emotionale Systeme Techniken für realistischere NPCs Motivation Probleme mit herkömmlichen FSMs Begrenzte Anzahl an Basisemotionen modellierbar => Systemkomplexität Statisches System =>
Mehr12. Vorlesung Stochastische Optimierung
Soft Control (AT 3, RMA) 12. Vorlesung Stochastische Optimierung Differential Evolution 12. Vorlesung im Aufbau der Vorlesung 1. Einführung Soft Control: Definition und Abgrenzung, Grundlagen "intelligenter"
MehrGrundlagen der Künstlichen Intelligenz Einführung Minimax-Suche Bewertungsfunktionen Zusammenfassung. Brettspiele: Überblick
Grundlagen der Künstlichen Intelligenz 22. Mai 2015 41. Brettspiele: Einführung und Minimax-Suche Grundlagen der Künstlichen Intelligenz 41. Brettspiele: Einführung und Minimax-Suche Malte Helmert Universität
MehrWS 2014/15 FINITE-ELEMENT-METHODE JUN.-PROF. D. JUHRE
4.2 FINITE-ELEMENTE-DISKRETISIERUNG Elementierung und Diskretisierung Im Gegensatz zum räumlichen Fachwerk, bei dem bereits vor der mathematischen Diskretisierung ein konstruktiv diskretes Tragwerk vorlag,
MehrDabei bezeichnet x die Einflussgrösse (Regressor), y die Zielvariable (die eine Folge der Ursache x ist) und die Störung. Die n = 3 Beobachtungen
Lineare Regression und Matrizen. Einführendes Beispiel Der im Kapitel Skalarprodukt gewählte Lösungsweg für das Problem der linearen Regression kann auch mit Matrizen formuliert werden. Die Idee wird zunächst
MehrGeraden in R 2 Lösungsblatt Aufgabe 17.16
Aufgabenstellung: Berechne den Umkreismittelpunkt und den Umkreisradius des Dreiecks ABC. a. A 2 1, B 8 3, C 5 6 b. A 1 3, B 9 3, C 11 19 c. A 2 3, B 3 3, C 4 5 d. A 5 3, B 7 9, C 1 15 Lösung der Aufgabe:
MehrLineare Gleichungen. Mathematik-Repetitorium. 3.1 Eine Unbekannte. 3.2 Zwei oder drei Unbekannte. 3.3 Allgemeine lineare Gleichungssysteme
Lineare Gleichungen 3.1 Eine Unbekannte 3.2 Zwei oder drei Unbekannte 3.3 Allgemeine lineare Gleichungssysteme Lineare Gleichungen 1 Vorbemerkung zu Kapitel 1 Gleichungen (Unbekannte) (Variablen, Parameter)
MehrAbzählen und Konstruktion der Strukturisomere von Alkanen, Alkenen und Alkinen
Dokumentation zum Softwarepraktikum Abzählen und Konstruktion der Strukturisomere von Alkanen, Alkenen und Alkinen Bearbeitet von: Sabine Böhm Florian Häberlein Betreuer: Dr. Axel Kohnert Dipl.-math. Sascha
MehrEchtzeitfähige Algorithmen für markerloses Tracking und Umfelderkennung , Dr.-Ing. Steffen Herbort, A.R.T. GmbH
Echtzeitfähige Algorithmen für markerloses Tracking und Umfelderkennung 26.10.2016, TP 2: Arbeiten von A.R.T. TP2: Tracking und Umfelderkennung Markerloses Tracking texturierte Objekte Umfelderkennung
MehrSpiegeln Das Buch Inhaltsverzeichnis Stichwortverzeichnis Aufgaben zum Selberrechnen Die Strukturierung
Spiegeln 1 Das Buch: Dieses Kapitel ist Teil eines Buches. Das vollständige Buch können Sie unter www.mathe-laden.de bestellen (falls Sie das möchten. Sie werden in diesem Buch ein paar Sachen finden,
MehrKlassifikation ebener algebraischer Kurven. Peter Lebmeir Technische Universität Münche#
Klassifikation ebener algebraischer Kurven Peter Lebmeir Technische Universität Münche# Gliederung * * * Die Ausgangssituation Ein numerischer Lösungsansatz Fazit & Ausblick Was ist gegeben? Ortskurve
MehrWas ist Informatik? Alexander Lange
Was ist Informatik? Was ist Informatik? Alexander Lange 12.11.2003 Was ist Informatik? Inhalt 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. Das Wort»Informatik«Die Idee Teilgebiete der Informatik Technische Informatik
MehrKapitel 2: Mathematische Grundlagen
[ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen
MehrDer folgende Vortrag basiert auf dem Text A Polynomial Time Algorithm for the N-Queens Problem von Rok Sosic und Jun Gu aus dem Jahre 1990.
Ein polynomieller Algorithmus für das N-Damen Problem 1 Einführung Der folgende Vortrag basiert auf dem Text A Polynomial Time Algorithm for the N-Queens Problem von Rok Sosic und Jun Gu aus dem Jahre
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
MehrZusätzlich eine Juniorprofessur Algorithmische Spieltheorie (Skopalik)
Bereich Modelle und Algorithmen (MuA) Vertreten durch 3 Fachgebiete Codes und Kryptographie (Blömer) Algorithmen und Komplexität (Meyer auf der Heide) Theorie verteilter Systeme (Scheideler) Zusätzlich
MehrEFM-DBSCAN EIN BAUMBASIERTER CLUSTERING- ALGORITHMUS UNTER AUSNUTZUNG ERWEITERTER LEADER-UMGEBUNGEN. Philipp Egert. 08. März 2017
08. März 2017 EFM-DBSCAN EIN BAUMBASIERTER CLUSTERING- ALGORITHMUS UNTER AUSNUTZUNG ERWEITERTER LEADER-UMGEBUNGEN Philipp Egert Fachgebiet Datenbank- und Informationssysteme Motivation DBSCAN als Vorreiter
MehrReal-Time 3D Model Acquisition
Seminarvortrag Real-Time 3D Model Acquisition Alexander Barth Nach Folien von Szymon Rusinkiewicz, Olaf Hall-Holt und Marc Levoy Einführung 3D-Scannen 2 Einführung Ziele Hohe Präzision Hohe Geschwindigkeit
MehrKünstliche Intelligenz - Optimierungsprobleme - Suche in Spielbäumen
Künstliche Intelligenz - Optimierungsprobleme - Suche in Spielbäumen Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Optimierungsprobleme
MehrAverage-Case-Komplexität
Exkurs Average-Case-Komplexität Das eben gestellte Problem kann man auch effizienter lösen Algorithmus prefixaverages2(x) s = 0.0 for i in range(0,n): s += X[i] A[i] = s / (i + 1) return A O(1) n O(1)
MehrUberblick 1. Problemstellung 2. Kongurationsraum 3. Bewegungsplanung fur einen Punktroboter 4. Minkowski Summen 5. Pseudo-Scheiben 6. Bewegungsplanung
Vorlesung Geometrische Algorithmen Bewegungsplanung fur Roboter (Robot Motion Planning) Sven Schuierer Uberblick 1. Problemstellung 2. Kongurationsraum 3. Bewegungsplanung fur einen Punktroboter 4. Minkowski
MehrOperations Research für Logistik
Operations Research für Logistik Lineare Optimierung (170.202) Ao. Univ. - Prof. Norbert SEIFTER Dipl. - Ing. Stefanie VOLLAND Sommersemester 2012 Lehrstuhl Industrielogistik Lineare Optimierung Inhalte:
MehrAlgorithmen für Computerspiele
Algorithmen für Computerspiele Künstliche Intelligenz von Manuel Bischof 3. Mai 2010 Gliederung Einleitung Was umfasst die KI? Nutzung in verschiedenen Genres Wo sind Verbesserungen notwendig? Möglichkeiten,
MehrKI-basierte Leistungsprognosen für Wind- und Solar-Anlagen. Dr. Roman Y. Asper
KI-basierte Leistungsprognosen für Wind- und Solar-Anlagen Dr. Roman Y. Asper 2017-11-08 Agenda Über enercast Leistungsprognosen Einführung Solar Wind Gebiet Datenqualität Ausblick 2 enercast: Zahlen und
MehrSimulation eines Quantencomputers
Simulation eines Quantencomputers J. Metzner, M. Schmittfull Simulation eines Quantencomputers p.1/34 Ziele des Projekts Entwicklung einer leistungsfähigen und effizienten Simulation eines Quantencomputers
MehrPhysik der sozio-ökonomischen Systeme mit dem Computer. 7. Vorlesung
Physik der sozio-ökonomischen Systeme mit dem Computer PC-POOL RAUM 01.120 JOHANN WOLFGANG GOETHE UNIVERSITÄT 01.12.2017 7. Vorlesung MATTHIAS HANAUSKE FRANKFURT INSTITUTE FOR ADVANCED STUDIES JOHANN WOLFGANG
MehrMathematica kompakt. Einführung-Funktionsumfang-Praxisbeispiele von Dipl.-Math.Christian H.Weiß. Oldenbourg Verlag München
Mathematica kompakt Einführung-Funktionsumfang-Praxisbeispiele von Dipl.-Math.Christian H.Weiß Oldenbourg Verlag München Inhaltsverzeichnis Vorwort Tabellenverzeichnis VII XVII 1 Einleitung 1 1 Grundlagen
MehrUntersuchen Sie, ob die folgenden Abbildungen linear oder nicht linear sind. x y
Aufgabe 1 Untersuchen Sie, ob die folgenden Abbildungen linear oder nicht linear sind. (( )) 3x x (a) Sei f : R 2 R 3 mit f = 2y + x y x y ( ) 4 (b) Sei f : R R 2 mit f(x) = x + 1 (( )) ( ) x x y (c) Sei
MehrDarstellungstheorie. Vortag von Heiko Fischer - Proseminar QM
Darstellungstheorie Vortag von Heiko Fischer - Proseminar QM Wir haben uns in den vergangenen Vorträgen intensiv mit den Eigenschaften abstrakter Gruppen beschäftigt. Im physikalischen Kontext sind Gruppen
MehrTechnische Universität Dresden. Beiträge zur Berechnung bewegungsabhängiger Kenngrößen von Mobilfunknetzen. Mathias Schweigel
Technische Universität Dresden Beiträge zur Berechnung bewegungsabhängiger Kenngrößen von Mobilfunknetzen Mathias Schweigel von der Fakultät Elektrotechnik und Informationstechnik der Technischen Universität
MehrReihungen. Prof. Dr. Christian Böhm. In Zusammenarbeit mit Gefei Zhang. WS 07/08
Reihungen Prof. Dr. Christian Böhm In Zusammenarbeit mit Gefei Zhang http://www.dbs.ifi.lmu.de/lehre/nfinfosw WS 07/08 2 Ziele Die Datenstruktur der Reihungen verstehen: mathematisch und im Speicher Grundlegende
MehrIndustrieroboter. Methoden der Steuerung und Regelung. Bearbeitet von Wolfgang Weber
Industrieroboter Methoden der Steuerung und Regelung Bearbeitet von Wolfgang Weber 1. Auflage 2002. Taschenbuch. 220 S. Paperback ISBN 978 3 446 21604 4 Format (B x L): 16 x 22,8 cm Gewicht: 403 g Weitere
MehrHS Virtuelle Präsenz
HS Virtuelle Präsenz Universität Ulm Fakultät Informatik Abt. Verteilte Systeme Michael Schöttner Collaborative Browsing Stefan Guggenmos Inhaltsübersicht 1. Allgemeine Problematik 2. Begriffe 3. CoBrow
MehrGerasterte Linien. y n y i y(x i ) x n. x i. Nord. Ost. Prof. Dr. Aris Christidis
Nord y n y i y(x i ) y 0 m x 0 x i x n Ost Folgepixel: y(x ) = y(x +1) = m. (x +1 x ) + y (n+1) Punkte einer gerasterter Geraden zw. (x 0,y 0 ) u. (x n,y n ) hier verwendete Notation: x i : Abszisse des
MehrReihungen. Martin Wirsing. in Zusammenarbeit mit Michael Barth, Fabian Birzele und Gefei Zhang
Reihungen Martin Wirsing in Zusammenarbeit mit Michael Barth, Fabian Birzele und Gefei Zhang http://www.pst.informatik.uni-muenchen.de/lehre/ws0506/infoeinf/ WS 05/06 2 Ziele Die Datenstruktur der Reihungen
MehrDie Technische Universität München und die Fakultät für Informatik. Julie Mäding
Die und die Fakultät für 1 TUM. Campus Garching Chemie Physik Mathematik Maschinenwesen TUM Institute for Advanced Study Medizintechnik Forschungs- Neutronenquelle 2 Die Bewerbung an der Fakultät für 3
Mehr3. Das Reinforcement Lernproblem
3. Das Reinforcement Lernproblem 1. Agierender Agent in der Umgebung 2. Discounted Rewards 3. Markov Eigenschaft des Zustandssignals 4. Markov sche Entscheidung 5. Werte-Funktionen und Bellman sche Optimalität
MehrSOFT COMPUTING TOOLS FÜR DIE ANALYSE KOMPLEXER BETRIEBLICHER PROBLEME
SOFT COMPUTING TOOLS FÜR DIE ANALYSE KOMPLEXER BETRIEBLICHER PROBLEME Christina Klüver COBASC-Research Group www.cobasc.de Universität Duisburg-Essen VERFAHREN Zellularautomaten Evolutionäre Algorithmen
MehrMotivation. Einige Leute sagen, dass der Raum eine Art rechnender Computer sei...
Intro Kreis Pendelraum Doppelspalt Motivation Einige Leute sagen, dass der Raum eine Art rechnender Computer sei... Konrad ZUSE in seinem Buch: Rechnender Raum von 1969. Douglas ADAMS in dem utopischen
MehrComputergrafik/Visualisierung II
Vorlesung Computergrafik/Visualisierung II Hochschule für Technik und Wirtschaft Dresden University of Applied Sciences Prof. Dr. Marco Block-Berlitz Sommersemester 2014 Studiengang Medieninformatik Vorlesungsteil
MehrModellierung von Netzspieleverkehr
INSTITUT FÜR NACHRICHTENVERMITTLUNG UND DATENVERARBEITUNG Prof. Dr.-Ing. Dr. h. c. mult. P. J. Kühn Modellierung von Netzspieleverkehr ITG Workshop IP in Telekommunikationsnetzen 25./26. Januar 2001, Bremen
MehrPerzeptronen. Lehrstuhl für Künstliche Intelligenz Institut für Informatik Friedrich-Alexander-Universität Erlangen-Nürnberg
Perzeptronen Lehrstuhl für Künstliche Intelligenz Institut für Informatik Friedrich-Alexander-Universität Erlangen-Nürnberg (Lehrstuhl Informatik 8) Perzeptronen 1 / 22 Gliederung 1 Schwellwert-Logik (MCCULLOCH-PITTS-Neuron)
MehrSchwarmintelligenz. Julia Philipps, Marcel Boeing Künstliche Intelligenz II, C. Neuefeind Sprachliche Informationsverarbeitung, Uni Köln 2012
Schwarmintelligenz Julia Philipps, Marcel Boeing Künstliche Intelligenz II, C. Neuefeind Sprachliche Informationsverarbeitung, Uni Köln 2012 Was ist ein Schwarm? Aggregation von Individuen gleicher Art
MehrL A T E X-Kurs. Teil 4 - Datenanalyse - Qti Plot. Fachschaft Physik Uni Konstanz WS 2015/16
L A T E X-Kurs Teil 4 - Datenanalyse - Qti Plot Fachschaft Physik Uni Konstanz WS 2015/16 Grundlegendes Einführung Möglichkeiten: plotten, fitten, Tabellenkalkulation, Fouriertransformation, Interpolation,...
MehrKleine Schwingungen vieler Freiheitsgrade
Kleine Schwingungen vieler Freiheitsgrade Betrachte System mit f Freiheitsgraden: (z.b. N Teilchen in 3 Dim.: f = 3N) Koordinaten: Geschwindigkeiten: Kinetische Energie: "Massenmatrix" Nebenbemerkung:
MehrEinleitung. Komplexe Anfragen. Suche ist teuer. VA-File Verfeinerungen. A0-Algo. GeVAS. Schluß. Folie 2. Einleitung. Suche ist teuer.
Anwendung Input: Query-Bild, Ergebnis: Menge ähnlicher Bilder. Kapitel 8: Ähnlichkeitsanfragen und ihre effiziente Evaluierung Wie zu finden? Corbis, NASA: EOS Bilddatenbank Folie Folie 2 Ähnlichkeitssuche
MehrGerasterte Linien. y n y i y(x i ) x n. x i. Nord. Ost. Prof. Dr. Aris Christidis SS 2017
Nord y n y i y(x i ) y 0 m x 0 x i x n Ost Folgepixel: y(x ) = y(x +1) = m. (x +1 x ) + y (n+1) Punkte einer gerasterten Geraden zw. (x 0,y 0 ) u. (x n,y n ) hier verwendete Notation: x i : Abszisse des
MehrGenetische Programmierung
15. Juli 2007 Anfang der 90er von John R. Koza entwickelt. Verfahren zur automatisierten Erstellung von Programmen. Von der Evolution inspiriert. Anforderungen an die Möglichst korrekte Lösung ergeben
MehrÜbung 13 Algorithmen II
Michael Axtmann michael.axtmann@kit.edu http://algo2.iti.kit.edu/algorithmenii_ws16.php - 0 Axtmann: KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft
MehrGeneral Video Game AI Competition 2016
General Video Game AI Competition 2016 BFS, MCTS und GA - Einführung Miriam Moneke, Nils Schröder, Tobias Joppen Christan Wirth, Prof. J. Fürnkranz 27.04.2016 Fachbereich Informatik Knowledge Engineering
MehrMathematik verstehen 7 Lösungsblatt Aufgabe 6.67
Aufgabenstellung: Berechne die Schnittpunkte der e k1 und k mit den Mittelpunkten M1 bzw. M und den Radien r1 bzw. r a. k1: M1 3, 4, P 5, 3 k 1, k geht durch A 0 und B 4 0 r 5 M liegt im 1. Quadranten
MehrAlgorithmische Geometrie
Algorithmische Geometrie Martin Peternell TU Wien 31. Fortbildungstagung für Geometrie 2010, Strobl 1 Themen der Algorithmische Geometrie Entwurf von Algorithmen für geometrische Fragestellungen betreffend
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,
MehrStoffverteilung Mathematik Klasse 9 auf Basis der Bildungsstandards 2004
Umgang mit Hilfsmitteln wie elsammlung, grafikfähigem Taschenrechner, Rechner mit geeigneter Software, elektronische Medien, Internet Alle Kapitel Vernetzung In allen Lerneinheiten sollten die folgenden
MehrSoftwareprojektpraktikum Maschinelle Übersetzung
Softwareprojektpraktikum Maschinelle Übersetzung Jan-Thorsten Peter, Andreas Guta, Jan Rosendahl max.bleu@i6.informatik.rwth-aachen.de Vorbesprechung 5. Aufgabe 22. Juni 2017 Human Language Technology
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
Mehr1 Einleitung. 2 Clustering
Lernende Vektorquantisierung (LVQ) und K-Means-Clustering David Bouchain Proseminar Neuronale Netze Kurs-Nr.: CS4400 ISI WS 2004/05 david@bouchain.de 1 Einleitung Im Folgenden soll zum einen ein Überblick
MehrSoftwarearchitektur eines Computerspielers. SoPra 2016 Alexander Kampmann
Softwarearchitektur eines Computerspielers SoPra 2016 Alexander Kampmann Model - View -Controller Server Model weiß, wie die Welt aussieht aktualisiert informiert Controller nimmt Befehle entgegen View
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
MehrPortfolio. von Joschka Zimdars
Portfolio von Joschka Zimdars Dies ist eine Auflistung einiger Entwicklungen, die während meiner bisherigen Laufbahn als Software-Entwickler entstanden sind. Programme Seite Risiko.................. 1
MehrWavelets made easy Yves Nievergelt
Wavelets made easy Yves Nievergelt Kapitel 1 - Haar s Simple Wavelets Das erste Kapitel Haar s Simple Wavelets aus dem Buch Wavelets made easy von Yves Nievergelt behandelt die einfachsten Wavelets und
MehrSeminar im Grundstudium: Motion-Tracking in der Robotik
Seminar im Grundstudium SS2007 Seminar im Grundstudium: Motion-Tracking in der Robotik Lehrstuhl für Hardware-Software-Co-Design Universität Erlangen-Nürnberg stefan.wildermann@informatik.uni-erlangen.de
MehrInteraktive Simulation von Menschenmengen mittels Virtueller Welten
Interaktive Simulation von Menschenmengen mittels Virtueller Welten Prof. Sergei Gorlatch Alexander Ploss, Frank Glinka, Allaithy Raed Arbeitsgruppe Parallele und Verteilte Systeme Projektseminar WS 08/09
MehrAm Dienstag, den 16. Dezember, ist Eulenfest. 1/45
Am Dienstag, den 16. Dezember, ist Eulenfest. 1/45 Grundbegriffe der Informatik Einheit 12: Erste Algorithmen in Graphen Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009
MehrJochen Ziegenbalg Oliver Ziegenbalg Bemd Ziegenbalg. Algorithmen. von Hammurapi bis Gödel. 2., verbesserte Auflage Verlag g;> Harri Deutsch
Jochen Ziegenbalg Oliver Ziegenbalg Bemd Ziegenbalg Algorithmen von Hammurapi bis Gödel 2., verbesserte Auflage 2007 Verlag g;> Harri Deutsch Inhalt Einleitung 1 Vorbemerkungen: Stellenwert des Themas,
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
MehrGeometrische Algorithmen Segmentschnitt. Lernmodul 7: Geo-Algorithmen und -Datenstrukturen - Segmentschnitt
Folie 1 von 37 Geometrische Algorithmen Segmentschnitt Folie 2 von 37 Segmentschnitt Übersicht Zwei Segmente Lage zweier Segmente Prüfung auf Schnittfreiheit Formeln zum Geradenschnitt Feststellen des
MehrInhaltsverzeichnis. 4 Statistik Einleitung Wahrscheinlichkeit Verteilungen Grundbegriffe 98
Inhaltsverzeichnis 1 Datenbehandlung und Programmierung 11 1.1 Information 11 1.2 Codierung 13 1.3 Informationsübertragung 17 1.4 Analogsignale - Abtasttheorem 18 1.5 Repräsentation numerischer Daten 20
Mehr