최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기정보처리학회논문지. The KIPS transactions. Part B. Part B, v.15B no.3, 2008년, pp.253 - 258
권오광 (성균관대학교 컴퓨터공학부) , 박종구 (성균관대학교 정보통신공학부)
Recently, game players want new game requiring more various tactics and strategies in the complex environment beyond simple and repetitive play. Various artificial intelligence techniques have been suggested to make the game characters learn within this environment, and the recent researches include...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
추격-회피가 게임 이론에서 다루는 주요 연구 테마 중 하나인 이유는 무엇인가? | 추격-회피는 게임 이론에서 다루는 주요 연구 테마 중 하나이며, 여기에는 몇 가지 이유가 있다. 첫째, 추격과 회피는 서로간의 이익의 충돌에 의해 생기는 일반적인 문제이다. 둘째, 동적이고 확률적이며 연속된 공간과 연속된 시간의 게임이기 때문에 해결하기 어렵다. 셋째, 하나의 공간을 두고 상호 진화가 일어나므로 과학적으로 흥미롭다. 넷째, 행동생물학과 신경 동물 행동학, 게임 이론의 세 가지 과학적 연구에서 주목받아 왔다. 마지막으로, 많은 과학적 의미를 지니고 있으며 실제적 적용이 가능하다.[10] | |
유전 프로그래밍은 무엇에 기반을 두고 있는가? | 존 코자(John Koza)에 의해 제안된 유전 프로그래밍은 컴퓨터가 인간에 의해 프로그램 되지 않은 상태에서 스스로 문제 해결을 위한 프로그램을 생성하는 기법이다. 유전 프로그래밍은 유전 알고리즘에 기반을 두고 있으며, 염색체로서 이진수나 실수의 배열 대신 트리 구조를 사용한다. | |
유전 프로그래밍은 무엇인가? | 존 코자(John Koza)에 의해 제안된 유전 프로그래밍은 컴퓨터가 인간에 의해 프로그램 되지 않은 상태에서 스스로 문제 해결을 위한 프로그램을 생성하는 기법이다. 유전 프로그래밍은 유전 알고리즘에 기반을 두고 있으며, 염색체로서 이진수나 실수의 배열 대신 트리 구조를 사용한다. |
Steve Woodcock, “Game AI: The State of the Industry 2002,” Game Developer Magazine, 2002
Malrey Lee, “Evolution of behaviors in autonomous robot using artificial neural network and genetic algorithm,” Information Sciences, Vol.155, No.1-2, pp.43-60, 2003
조병헌, 정성훈, 성영락, 오하령, “신경망 지능 캐릭터의 게임환경 변화에 대한 적응 방법,” 전자공학회논문지-CI, Vol.42, No.3, pp.17-28, 2005
박사준, 김성환, 김기태, “인공 유기체의 학습 행동이 게임 캐릭터의 전략에 미치는 영향,” 한국정보과학회 학술발표논문집 2002년도 봄(B), pp.295-297, 2002
서연규, 조성배, “N명 죄수의 딜레마 게임에서 지역화된 상호작용을 통해 진화된 전략의 일반화 능력,” 한국정보과학회 학술발표논문집 1999년도 봄(B), pp.230-232, 1999
Alireza Soltani, Daeyeol Lee and Xiao-Jing Wang, “Neural mechanism for stochastic behaviour during a competitive game,” Neural Networks, Vol.19, No.8, pp.1075-1090, 2006
A. L. Nelson, E. Grant and T. C. Henderson, “Evolution of neural controllers for competitive game playing with teams of mobile robots,” Robotics and Autonomous Systems, Vol.46, No.3, pp.135-150, 2004
황희수, 진화계산 및 진화디자인, 내하출판사, 2002
John R. Koza, Genetic Programming, MIT press, 1992
Geoffrey Miller and Dave Cliff, “Co-evolution of pursuit and evasion I: Biological and game-theoretic foundations,” Technical Report CSRP311, 1994
Stefano Nolfi, Dario Floreano, “Co-evolving predator and prey robots: do 'arm races' arise in artificial evolution,” Artificial Life 4, pp.31-335, 1998
Kam-Chuen Jim, C. Lee Giles, “Talking Helps: Evolving Communicating Agents for the Predator-Prey Pursuit Problem,” Artificial Life 6, pp.237-254, 2000
Hitoshi Iba, “Evolutionary learning of communicating agents,” Information Sciences, Vol.108, No.1-4, pp.181-205, 1997
Sreerama K. Murthy, “Automatic Construction of Decision Trees from Data: A Multi-Disciplinary Survey,” Data Mining and Knowledge Discovery, No 2, pp 345-389, 1997
George H. John, Ron Kohavi, Karl Pfleger, “Irrelevant Features and the Subset Selection Problem,” International Conference on Machine Learning, pp.121-129, 1994
John R. Koza, “Concept Formation And Decision Tree Induction Using The Genetic Programming Paradigm,” Parallel Problem Solving from Nature Proceedings of 1st Workshop, PPSN 1, Vol.496, No.1-3, pp.124-128, 1991
Randall S. Sextona, Robert E. Dorseyb and John D. Johnsonb, “Toward global optimization of neural networks: A comparison of the genetic algorithm and backpropagation,” Decision Support Systems, Volume 22, Issue 2, February 1998, pp.171-185
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.