Showing posts with label Prediction. Show all posts
Showing posts with label Prediction. Show all posts

Wednesday, February 22, 2012

Usos de predicción

Revisando artículos he encontrado que el uso de Machine Learning es muy variado y dentro de un mismo entorno las predicciones que se pueden llevar a cabo varían dependiendo del objetivo que al que se busca llegar.

Algunos ejemplos encontrados son los siguientes:

  • Redes Sociales:
    • Existen varios artículos que hablan sobre este tema (la mayoría encontrados en el sitio de la AAAI) donde las predicciones van desde algo que puede parecer hasta cierto punto superficial como el identificar que temas pueden ser un trending topic en twitter hasta el buscar predecir las preferencias electorales y los resultados de una elección.
    • Predicción de que blogs pueden contener un contenido interesante.
    • Predicción de número de reproducciones de un video (en un sitio como Youtube).
  • Bolsa de valores
    • Por su parte existen varios modelos que intentan llevar a cabo un comportamiento de la bolsa de valores o de acciones o segmentos específicos de esta.
  • Videojuegos
    • Como se ha estado explorando existen varias competiciones y retos que promocionan el crecimiento de esta rama.
  • Transportación
    • Existen trabajos que tratan de predecir las mejores rutas en un camino dadas ciertas condiciones de forma que se logre evitar el efecto del tráfico.
  • Educación
    • En aplicaciones de educación se encontró el uso de predicción para poder modelar a un estudiante y los conocimientos que tiene en algún determinado tema.
  • Seguridad computacional
    • Se han utilizado métodos de predicción para la detección de intrusos, ataques y otro tipo de riegos computacionales.

Existen otros campos en los que se lleva a cabo la predicción pero hasta ahora he podido revisar solo un poco de estos.

Thursday, February 9, 2012

Game Player Strategy Pattern Recognition and How UCT Algorithms Apply Pre-Knowledge of Player’s Strategy to Improve Opponent AI

En este artículo se habla sobre el reconocimiento de patrones de estrategia sobre un juego en el que el jugador usa a un gato que debe esquivar a dos perros para salir del lugar donde se encuentra y así ganar el juego como se ilustra en la siguiente figura.

image

Para llevar esto a cabo se hizo uso de los siguientes pasos:

  • Se recolectaron los atributos usados para el PSPR (Player Strategy Pattern Recognition).
  • Se recolectaron muestras de distintas estrategias de jugadores según los atributos definidos.
  • Se crearon subconjuntos de acuerdo a los datos obtenidos en la muestra para mejorar el desempeño del sistema.
  • Se proceso el ruido.
  • Se entreno y se evaluó un clasificador KNN (k-nearest-neighbors) con el conjunto de datos de la muestra.

El resultado de lo anterior arrojo los siguientes datos:

image

Después se empleo el algoritmo UCT que se encuentra basado en el problema conocido como multi-armed bandit que a su vez se encuentra basado en la analogía de una maquina tragamonedas (estilo casino) pero con varias palancas. El objetivo del apostador se centra en obtener la mayor recompensa de emplear dichas palancas a lo largo de varias iteraciones.

En el caso de este dominio se considero a cada perro como una maquina y cada una de las posibles direcciones a las que se puede mover (norte, sur, este y oeste) como un brazo o palanca. En cada paso se reduce el número de movimientos posibles que puede llevar a cabo el perro podando el árbol de movimientos posibles reduciendo así el espacio de búsqueda.

Al final con el uso de este sistema se pudo logran un porcentaje de 52.17% de victorias sobre un jugador que solo utiliza UCT sin llevar a cabo el reconocimiento previo con KNN para catalogar las distintas estrategias que se pueden llevar a cabo.

He, S., Wang, Y., Xie, F., Meng, J., Chen, H., Luo, S., Liu, Z., et al. (2008). Game Player Strategy Pattern Recognition and How UCT Algorithms Apply Pre-knowledge of Player’s Strategy to Improve Opponent AI. 2008 International Conference on Computational Intelligence for Modelling Control & Automation, 1177-1181. Ieee. doi:10.1109/CIMCA.2008.82

Thursday, February 2, 2012

Papers Encontrados

Para la búsqueda de papers para esta semana me base en encontrar básicamente dos temas:
  • Papers relacionados con aprendizaje en los videojuegos (para entender un poco mejor el funcionamiento de los Serious Games), se encuentran en este archivo http://db.tt/L9DIRVPP
  • Papers en general relacionados con Machine Learning, Opponent Modeling y temas relacionados a la Inteligencia Artificial en los juegos (algunos directamente sobre el tipo Real Time Strategy) y se encuentran en este archivo http://db.tt/xCPxTiIR