Detekce nevýhodných individuálních rozhodnutí pro hru s fantastickými prvky
Detection of disadvantageous individual decisions for a game with fantastic elements
Typ dokumentu
diplomová prácemaster thesis
Autor
Štěpán Műller
Vedoucí práce
Jakubec Pavel
Oponent práce
Urbanovská Michaela
Studijní obor
Umělá inteligenceStudijní program
Otevřená informatikaInstituce přidělující hodnost
katedra počítačůPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Odvětví elektronických sportů se v posledních letech rychle rozrůstalo a podle odhadů bude růst nadále. Hráči mají zájem se v hraní zdokonalovat, někteří se proto kromě hraní dívají na profesionální hráče nebo si najímají kouče. Navrhujeme metodu pro automatické detekování chyb ve hrách na základě umělé inteligence, která pomůže hráčům získat lepší vhledu do toho, jak jednotlivé herní události ovlivnily výsledek hry a upozorní je na situace, kdy se mohli zachovat jinak, aby zvýšili šanci svého týmu na výhru. Natrénovali jsme neuronovou síť na zápasech profesionálních hráčů aby předvídala, které akce hráč udělá. Díky tomu dokážeme automaticky detekovat situace, kdy je rozdíl mezi předpovězeným a vykonaným chováním velký a hráč mohl pravděpodobně vykonat lepší akci. The electronic sports industry has been growing rapidly in the last years and is expected to grow further in the following years. Players are interested in getting better at games, which leads players to watch professional players or even hire coaches. We propose a method to automatically detect mistakes made in games based on artificial intelligence. Our method is going to help players gain more insight into how individual game events affect the outcome of the game and notify them about what they could have done differently to improve the probability of their team to win the game. We trained a neural network on matches of professional players to predict which actions players are going to perform. This allowed us to automatically detect situations where the difference between the predicted and acted behavior was high and the player probably could have performed a better action.
Kolekce
- Diplomové práce - 13136 [892]