Introduction of neural networks to students
Title Alternative:Prezentacja możliwości sieci neuronowych dla studentów
| dc.contributor.author | Doležel, Petr | |
| dc.contributor.author | Mariška, Martin | |
| dc.date.accessioned | 2017-10-13 | |
| dc.date.available | 2017-10-13 | |
| dc.date.issued | 2013 | |
| dc.description.abstract | Článek představuje možnost, jak zajímavou cestou seznámit studenty s problematikou umělé inteligence a především umělých neuronových sítí. Konkrétně, možnosti umělých neuronových sítí jsou uvedeny na příkladu budování umělé inteligence v jednoduché počítačové hře. V první části textu je metodika umělých neuronových sítí obecně popsána a srovnána s biologickými nervovými soustavami a nervovými buňkami. Následně jsou popsané přístupy použity pro návrh inteligentního chování oponenta v počítačové hře tak, aby byl oponent schopen učit se z chování lidského hráče. V závěru je navržená umělá inteligence oponenta testována a vyhodnocena, přičemž jsou také zmíněny ohlasy studentů, kterým byly umělé neuronové sítě tímto způsobem představeny. | cs |
| dc.description.abstract | Artykuł przedstawia ciekawy sposób zapoznania studentów z zagadnieniami sztucznej inteligencji, a zwłaszcza sieci neuronowych. Możliwości sztucznych sieci neuronowych są pokazane na przykładzie budowy sztucznej inteligencji w prostej grze komputerowej. W pierwszej części opisano metodologię sztucznych sieci neuronowych, porównując ją z biologicznymi układami nerwowymi i komórkami nerwowymi. Następnie opisano podejście zastosowane do zaprojektowania inteligentnego zachowania przeciwnika w grze komputerowej w taki sposób, aby mógł on się uczyć na podstawie zachowania gracza- człowieka. W zakończeniu zaprojektowana sztuczna inteligencja przeciwnika poddana jest testowaniu i ocenie, przy czym uwzględniono tu również spostrzeżenia studentów, którym w ten sposób zaprezentowano sztuczne sieci neuronowe. | pl |
| dc.description.abstract | The paper deals with the possibility of introducing artificial intelligence and especially artificial neural network methodology to students in an interesting way. To be more specific, the artificial neural network is described through the design of NPC’s artificial intelligence in a simple computer game. In the first paragraphs, the methodology of artificial neural networks is described in rather exoteric way through its comparison to biological nervous systems and neural cells. Then, the methodology is used to design a computer game NPC which can observe and learn the behavior of human player. At the end of the paper, the NPC behavior is tested and analyzed, as well as there is mentioned a feedback from students of several education facilities. | en |
| dc.description.abstract | Der Artikel stellt eine Möglichkeit vor, wie man auf interessantem Wege die Studenten mit der Problematik der künstlichen Intelligenz, vor allem den künstlichen neuronalen Netzen, bekannt macht. Konkret gezeigt wird die Möglichkeit der künstlichen neuronalen Netze an einem Beispiel, wo man künstliche Intelligenz in einem einfachen PC-Spiel errichtet. Im ersten Teil des Artikels wird die Methodik der künstlichen neuronalen Netze allgemein beschrieben und mit dem biologischen Nervensystem und den Nervenzellen verglichen. Im Folgenden werden Zugriffe beschrieben, die man für einen Entwurf intelligenten Verhaltens des Opponenten im PC-Spiel benutzt hat, und zwar so, dass der Opponent in der Lage ist, aus dem Verhalten des menschlichen Spielers zu lernen. Am Schluss wird der Entwurf der künstlichen Intelligenz des Opponenten getestet und ausgewertet, wobei auch die Reaktionen der Studenten, denen diese künstliche neuronale Netze vorgestellt worden sind, erwähnt werden. | de |
| dc.format | text | cs |
| dc.format.extent | 10 stran | |
| dc.identifier.eissn | 1803-9790 | |
| dc.identifier.issn | 1803-9782 | |
| dc.identifier.other | ACC_2013_1_01 | |
| dc.identifier.uri | https://dspace.tul.cz/handle/15240/21016 | |
| dc.language.iso | en | |
| dc.license | CC BY-NC 4.0 | |
| dc.publisher | Technická univerzita v Liberci, Česká republika | cs |
| dc.relation.isbasedon | HAYKIN, S. Neural Networks: A Comprehensive Foundation. New Jersey : Prentice Hall, 1999. 842 s. ISBN 0-13-273350-1. | |
| dc.relation.isbasedon | RUMELHART, D.E.; HINTON, G.E.; WILLIAMS, R.J. Learning representations by back-propagating errors. Nature, 1986, No. 323, pp. 533-536. ISSN 0028-0836. | |
| dc.relation.isbasedon | LEVENBERG, K. A method for the solution of certain problems in least squares. The Quarterly of Applied Mathematics, 1944, Vol. 2, pp. 164-168. ISSN 0033-569X. | |
| dc.relation.isbasedon | MARQUARDT, D.W. An algorithm for least-squares estimation of nonlinear parameters. Journal of the Society for Industrial and Applied Mathematics, 1963, Vol. 11, pp. 431-441. ISSN 0887-459X. | |
| dc.relation.isbasedon | BLANCO, A; DELGADO, M.; PEGALAJAR, M.C. A Real-Coded genetic algorithm for training recurrent neural networks. Neural Networks, 2001, Vol. 14, pp. 93-105. ISSN 0893-6080. | |
| dc.relation.ispartof | ACC Journal | en |
| dc.relation.isrefereed | true | |
| dc.title | Introduction of neural networks to students | en |
| dc.title.alternative | Prezentacja możliwości sieci neuronowych dla studentów | pl |
| dc.title.alternative | Představení možností neuronových sítí studentům | cs |
| dc.title.alternative | Vorstellung der Möglichkeiten neuronaler Netze für Studenten | de |
| dc.type | Article | en |
| local.access | open | |
| local.citation.epage | 15 | |
| local.citation.spage | 6 | |
| local.fulltext | yes | en |
| local.relation.issue | 1 | |
| local.relation.volume | 19 |
Files
Original bundle
1 - 1 of 1
Loading...
- Name:
- ACC_2013_1_01.pdf
- Size:
- 557.61 KB
- Format:
- Adobe Portable Document Format
- Description:
- Článek