Busca avançada
Ano de início
Entree

Mineração de Fluxos Contínuos de Dados para Jogos de Computador

Processo: 10/11250-0
Modalidade de apoio:Bolsas no Brasil - Doutorado
Data de Início da vigência: 01 de novembro de 2010
Data de Término da vigência: 31 de julho de 2013
Área de conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:André Carlos Ponce de Leon Ferreira de Carvalho
Beneficiário:Rosane Maria Maffei Vallim
Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Assunto(s):Aprendizado computacional
Palavra(s)-Chave do Pesquisador:aprendizado incremental | Detecção de novidades | fluxos de dados | Jogos Computacionais | mudanças de conceito | Aprendizado de Máquina

Resumo

A aplicação de técnicas de Inteligência Artificial (IA) avançadas têm recebido crescente interesse de desenvolvedores de jogos computacionais. Isso se dá devido à evolução das plataformas utilizadas, proporcionando mais recursos para a sofisticação dos jogos por meio do uso de técnicas de IA. Além disso, os jogos computacionais são capazes de prover ambientes altamente dinâmicos e competitivos que são ideais para testar novos algoritmos e teorias da Inteligência Computacional. Um dos desafios da IA aplicada em jogos é o aprendizado de comportamento. Aplicar técnicas de aprendizado em jogos requer algoritmos capazes de aprender em tempo real, adaptando o modelo de predição incrementalmentea medida que novos dados são gerados. Essa característica motiva a utilização de técnicas para Mineração em Fluxos de Dados, que são técnicas de aprendizado incremental e em tempo real que são capazes de detectar mudanças de conceitos presentes nos dados. Esse projeto de doutorado propõe a utilização de Aprendizado em Fluxos Contínuo de Dados para produção de IA adaptativa no ambiente dos jogos computacionais. Além disso, pretende-se estudar a aplicabilidade de técnicas de Detecção de Novidades para que o modelo de aprendizado seja capaz de detectar e incorporar novas situações.

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
VALLIM, ROSANE M. M.; ANDRADE FILHO, JOSE A.; DE MELLO, RODRIGO F.; DE CARVALHO, ANDRE C. P. L. F.; GAMA, JOAO. Unsupervised density-based behavior change detection in data streams. Intelligent Data Analysis, v. 18, n. 2, p. 181-201, . (10/11250-0)
Publicações acadêmicas
(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)
VALLIM, Rosane Maria Maffei. Mineração de fluxos contínuos de dados para jogos de computador. 2013. Tese de Doutorado - Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB) São Carlos.