Probabilistic neural network playing and learning Tic-Tac-Toe

0411404 - UTIA-B 20050134 RIV NL eng J - Journal Article
Grim, Jiří - Somol, Petr - Pudil, Pavel
Probabilistic neural network playing and learning Tic-Tac-Toe.
[Pravděpodobnostní neuronová síť hrající piškvorky schopná učení.]
Pattern Recognition Letters. Roč. 26, č. 12 (2005), s. 1866-1873. ISSN 0167-8655. E-ISSN 1872-7344
R&D Projects: GA ČR GA402/02/1271; GA ČR GA402/03/1310; GA MŠMT 1M0572
Grant - others:Comission EU(XE) FP6-507772
Institutional research plan: CEZ:AV0Z10750506
Keywords : neural networks * distribution mixtures * playing games
Subject RIV: BB - Applied Statistics, Operational Research
Impact factor: 1.138, year: 2005

A probabilistic neural network is applied as a tool to approximate the statistical evaluation function for a simple version of the game Tic-Tac-Toe. We solve the problem by a sequential estimation of the underlying discrete distribution mixture of product components. The training data is obtained by observing a simple artifical player based on a look-up table. The resulting neural network outperforms the artificial player both in the starting and defending position.

Pravděpodobnostní neuronová síť je použita jako nástroj pro aproximaci statistické evaluační funkce pro hru "piškvorky". Řešení spočívá v odhadu distribuce výhodných stavů ve tvaru distribuční směsi s použitím EM algoritmu. Trénovací datový soubor je získáván záznamem úspěšných tahů ze hry simulované pomocí jednoduchého algoritmu. Výsledná neuronová síť je úspěšnější než umělý algoritmus jak v zahajovací tak i v obranné pozici.
Permanent Link: http://hdl.handle.net/11104/0131486