Markov Chain Monte Carlo Without All the Bullshit (2015)
https://www.jeremykun.com/2015/04/06/markov-chain-monte-carlo-without-all-the-bullshit/
#ycombinator #markov_chain #mathematics #MCMC #monte_carlo #random_walk

Markov Chain Monte Carlo Without All the Bullshit
https://www.jeremykun.com/2015/04/06/markov-chain-monte-carlo-without-all-the-bullshit/
#ycombinator #markov_chain #mathematics #MCMC #monte_carlo #random_walk

Азартная разработка iOS приложения игры 2048 с ChatGPT

Я хочу поделиться с вами опытом создания "с нуля" iOS приложения известной игры 2048 с элементами ИИ (искусственного интеллекта) в SwiftUI с помощью ChatGPT . Мне хотелось написать игру 2048 именно на SwiftUI, пользуясь его прекрасной и мощной анимацией и приличным быстродействием , a также предоставить в распоряжения пользователя не только “ручной” способ игры, когда Вы руководите тем, каким должен быть следующий ход: вверх, вниз, влево и вправо, но и ряд алгоритмов с оптимальной стратегией ( метода Монте-Карло , стратегий поиска по деревьям (Minimax, Expectimax ) ), позволяющих АВТОМАТИЧЕСКИ выполнять ходы - вверх, вниз, влево и вправо - и добиться плитки с числом 2048 и более (эти алгоритмы и называют алгоритмами “искусственного интеллекта” (ИИ). 2048 - это очень известная игра, и мне не нужно было объяснять ChatGPT ее правила, он сам всё про неё знает. Кроме того, оказалось, что ChatGPT прекрасно осведомлен об ИИ алгоритмах для игры 2048, так что мне вообще не пришлось описывать ChatGPT контекст решаемой задачи. И он предлагал мне множество таких неординарных решений, которые мне пришлось бы долго выискивать в научных журналах. Полный протокол взаимодействия с ChatGPT при создании iOS приложения игры 2048 представлен в 3-х постах на моем сайте: iOS приложения игры 2048 в SwiftUI с ChatGPT 4-o. Часть 1. Введение. Логика игры 2048. iOS приложения игры 2048 в SwiftUI с ChatGPT 4-o. Часть 2. Анимация и UI. iOS приложение игры 2048 в SwiftUI с ChatGPT. Часть 3. ИИ (AI) для игры 2048. А код находится на GitHub . В этой статье я представляю лишь отдельные фрагменты этого протокола, чтобы вы могли почувствовать, насколько полезным может быть ChatGPT как при разработки, так и при обучении.

https://habr.com/ru/articles/851904/

#chatgpt #ios_разработка #swiftui #2048 #Expectimax #Monte_Carlo #monte_carlo_tree_search #ИИ_алгоритмы

De Novo Drug Design Using Transformer-Based Machine Translation and Reinforcement Learning of an Adaptive Monte Carlo Tree Searchhttps://www.mdpi.com/1424-8247/17/2/161
#AI #drugAI #transformer #RL_MCTS #RL #reinforcement_learning #Monte_Carlo

RE: https://hachyderm.io/users/kellogh/statuses/111893610072682622

#Monte_Carlo #WRC Rally Monte Carlo 2024: Ξεκινάει αύριο ο πρώτος αγώνας του Παγκοσμίου Πρωταθλήματος Ραλλυ https://www.zougla.gr/automoto/racing/rally-monte-carlo-2024-xekinaei-avrio-o-protos-agonas-tou-pagkosmiou-protathlimatos-rally/?utm_source=dlvr.it&utm_medium=mastodon

Quantinuum’s Quantum Monte Carlo Integration Engine Shows Early Stage Quantum Advantage https://thequantuminsider.com/?p=2358386 #Quantum_Computing_Business #Research #Ilyas_Khan #Monte_Carlo #QMCI #Quantinuum #Steven_Herbert #quantumdaily Insider Brief Quantinuum published full details of their complete Quantum Monte Carlo Integration (QMCI) engine. The results suggest an early-stage quantum advantage in areas, such as derivative pricing, portfolio risk calculations and regulatory reporting. M

Intention Progression under Uncertainty
(2020) : Yao, Yuan et al
DOI: https://doi.org/10.24963/ijcai.2020/2
#MCTS #monte_carlo_tree_search #intention #monte_carlo #planning #BDI #my_bibtex

Generating Artificial Corpora for Plan Recognition
(2005) : Blaylock, Nate Allen, James
DOI: https://doi.org/10.1007/11527886_24
#monte_carlo #plan_recognition #corpus #planning #ai #my_bibtex

AISB 2011 AI And Games
(2011) : Kazakov, Dimitar et al
isbn: 0000000000000
#personality #monte_carlo #games #social_objects #influence_landscapes #ai #culture #agents #procedural_content #text_book #my_bibtex

The Beginning of the Monte Carlo Method
(1987) : Metropolis, N
url: https://fas.org/sgp/othergov/doe/lanl/pubs/00326866.pdf
#math #history #monte_carlo #random #my_bibtex

A Programming Language With a Pomdp Inside
(2016) : Lin, Christopher H. and Mausam and Weld, Daniel S.
url: http://arxiv.org/abs/1608.08724
#DSL #POMDP #__printed #adaptive_programming #crowd_source #decisions #monte_carlo #programming #semantics
#my_bibtex

Efficient selectivity and backup operators in Monte-Carlo tree search
(2006) : Coulom, R{\'e}mi
url: https://hal.inria.fr/inria-00116992
#MTCS #algorithm #monte_carlo #search #tree_search
#my_bibtex

Evolutionary learning of policies for MCTS simulations
(2012) : Pettit, James and Helmbold, David
DOI: https://doi.org/10.1145/2282338.2282379
#MCTS #adversarial_search #evolution #hex_game #learning #machine_learning #monte_carlo #simulation #strate
#my_bibtex

A Compendium of Conjugate Priors
(1997) : Fink, Daniel
url: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.157.5540&rep=rep1&type=pdf
#conjugate_prior #math #monte_carlo #probability #review #statistics
#my_bibtex

AISB 2011 AI And Games
(2011) : Kazakov, Dimitar and Psoulas, George and Tsoulas, George and Psoulas, George
isbn: 0000000000000
#agents #ai #culture #games #influence_landscapes #monte_carlo #personality #procedural_content #social_objects #text_boo
#my_bibtex

A Survey of Monte Carlo Tree Search Methods
(2012) : Browne, Cb and Powley, Edward
DOI: https://doi.org/10.1109/TCIAIG.2012.2186810
#MCTS #ai #bandit_methods #confidence_bounds #go #metrics #monte_carlo #planners #policy #review #search #upper_confid
#my_bibtex

The Beginning of the Monte Carlo Method
(1987) : Metropolis, N
url: https://fas.org/sgp/othergov/doe/lanl/pubs/00326866.pdf
#history #math #monte_carlo #random
#my_bibtex