8/21/2013 TIE PELIOHJELMOINTI ANIMAATIO, AI, MAAILMAT, VERKKO ANIMAATIO SUORA JA KÄÄNTEINEN KINEMATIIKKA LUURANKOANIMAATIO

Koko: px
Aloita esitys sivulta:

Download "8/21/2013 TIE-11300 PELIOHJELMOINTI ANIMAATIO, AI, MAAILMAT, VERKKO ANIMAATIO SUORA JA KÄÄNTEINEN KINEMATIIKKA LUURANKOANIMAATIO"

Transkriptio

1 ANIMAATIO TIE PELIOHJELMOINTI ANIMAATIO, AI, MAAILMAT, VERKKO Timo Kellomäki Eksplisiittiset menetelmät Valitaan ajastimella oikea versio valmiista Keyframet Tweening Implisiittiset menetelmät Lasketaan kulmapisteiden sijainnit liikkeen kuvauksesta Sopeutuminen maastoon, sama data eri malleille, muistin säästäminen Yleensä käytössä luurankomalli (skeletal animation / rigging) LUURANKOANIMAATIO Luut muodostavat hierarkian, juurena yleensä lantio Luu = suhdetta vanhempaan kuvaava muunnos Koordinaatistomuunnos: skaala, asento, siirtymä Esim. 4x3-matriisi tai SQT (scalequaternion-translation) Kokonaismuunnos yhdistämällä muunnokset juuresta pohjalle asti Käsivarren liikuttaminen siirtää myös sormia Skinning: yhtenäinen iho, jossa kunkin kulmapisteen sijaintiin vaikuttaa useampi luu Verkko tallennetaan perusasennossa (bind pose) SUORA JA KÄÄNTEINEN KINEMATIIKKA Suorassa kinematiikassa (forward kinematics) tallessa nivelten kulmat, lasketaan sijainnit juuresta alkaen Esim. purkitetut kävelyanimaatiot motion capturella Käänteisessä kinematiikassa (inverse kinematics, IK) etsitään uskottavat nivelten asennot, jotta saadaan esim. käsi tai jalka sopivaan paikkaan Esim. kävelysyklin hienosäätö maaston mukaan, tarttuminen ANIMAATIOPÄTKÄT JA YHDISTELY Animaatiot koostetaan yhdistelemällä pieniä pätkiä (clip) Syklit (kävely), toimet Aikaa voidaan manipuloida, pätkä voi sisältää metadataa (ääniä ym) Yhdistäminen (blending) interpoloimalla painokertoimilla Keyframejen välillä, vaihdokset, samanaikainen yhdistely Interpolointi hankalaa matriiseille kvaterniot suosittuja REALISTISET HAHMOT Animaatio on yksi tärkeimmistä hahmojen uskottavuuteen vaikuttavista tekijöistä, mutta hahmoihin on lisäksi monia erikoistekniikoita Huulisynkronisaatio, kasvojen animointi Hiukset: lyhyet onnistuvat teksturoiduilla polygoneilla, mutta pitkiin tarvitaan fysiikkaa Vaatteet: fysiikka, luurankoanimaatio Iho: subsurface scattering Silmät 1

2 PELIMAAILMAT Useimmissa peleissä on jonkinlainen fysikaalinen pelimaailma 2D vai 3D: kumpi palvelee peliä paremmin Nykyään 2D-maailmatkin toteutetaan usein 3D-grafiikalla Pelimaailmat mieluiten luonnollisesti rajattuja alueita Stadion, sisätiloissa lukitut ovet, läpitunkematon maasto, vesi, pallo/torus Lentosimulaattorit? Turva ja vaara Avoimet paikat Suljetut / korkeat Valaistuksen käyttö MITTAKAAVA JA AIKA Tosimaailma on laaja Ratkaisu: vääristymät Suurin osa elämästä on odottamista Outo aika (Sims, Minecraft) Ajan kelaaminen Vuorokaudenajat, vuodenajat Elävyys: muutokset ilman pelaajan vaikutusta Aikarajat peleissä PROSEDURAALINEN SISÄLTÖ Pelisisältöä voidaan luoda ohjelmallisesti (PCG = procedural content generation) Kartat, radat, puzzlet, rakennukset, luonto, tehtävät, dialogi, säännöt, aseet ja muu tavara, hahmot, vaatteet, juonet, musiikki, A-life,... Satunnaisuuden käyttö Esimerkkejä: Elite, Rogue, Diablo, Dwarf Fortress, Spelunky, Far Cry 2, Civilization, Sudoku, Ludi,, Spore, Facade,.kkrieger Pseudosatunnaisluvut ja siemenluku Korrelaatiot, jaksollisuus Loputtomasti yllättävää sisältöä ja pelejä ilman käsityötä? Negatiiviset yllätykset, keinotekoisuus, toistuvuus, algoritmien raskaus Kompromissi: PCG työkaluna KARTAT Pseudosatunnaisluvuilla luodut kartat yleisiä Tähtikartat, maailmankartat, ulkotilat, luolastot Diablo, Worms, Spelunky, Nethack Menetelmiä: Tähtien arpominen satunnaisiin paikkoihin Luonnonvoimien simulointi Kaupungit ja provinssit Voronoi-diagrammeilla Kieliopit/L-systeemit, huoneet + käytävät, kaivajat, virittävät puut, soluautomaatit Korkeuskentät: hiukkasten pudottelu, keskikohdan poikkeutus, fraktaaliset menetelmät PERLIN-KOHINA JA FRAKTAALINEN KOHINA Luonnollinen kohina: kohinafunktio tuottaa arvon kussakin n-ulotteisen avaruuden pisteessä Hyvin rajattu taajuusalue Perlin-kohina, Simplex-kohina Kohinasta voi muodostaa oktaaveja: kaksinkertaistetaan taajuus, puolitetaan amplitudi Oktaaveja summaamalla muodostuu fraktaalista kohinaa, jossa on yksityiskohtia kaikissa mittakaavoissa Soveltuu hyvin luonnon mallintamiseen: tekstuurit ja korkeuskentät HAKUUN PERUSTUVA LUOMINEN Yksi tapa on luoda valtavasti satunnaista sisältöä ja valikoida vain parhaat käyttöön Kelpoisuusfunktio kriittinen Automaattinen heuristiikka Käyttäjien valinta Sovelletaan hakualgoritmia (esim. evoluutio) Esim. RTS-kentät, Galactic Arms Race 2

3 LUONNON MALLINTAMINEN Luonto ei koostu palloista tai kolmioista, vaan yksityiskohtia on kaikissa mittakaavoissa Fraktaalisuus Kaikkia yksityiskohtia ei millään ehditä piirtää LoD: maastonmuodot, tekstuurit, kasvillisuus Puut monimutkaisia ja suuria; lähellä tarvitaan 10k+ kolmiota Mallintaminen esim. L-systeemeillä Kauempana billboarding/impostors ristikkäiset billboardit alfatestattu läpinäkyvyys Realistinen valaistus haaste (GI) SpeedTree RUOHO Ruoho: korret yksinkertaisia, mutta tarvitaan miljoonia Raskaita luoda, piirtää ja varastoida Aiheuttaa laskostumista Lähellä jokainen korsi erikseen, proseduraalisuus Kauempana mainostauluja, joissa lukuisia korsia Alfatestattu läpinäkyvyys Toimii huonosti ylhäältä katsottuna Parallaksikartat, animointi Päällekkäiset tekstuurit Hyvin kaukana pelkkä litteä tekstuuri maassa TAIVAS Perusratkaisu taivaaseen skybox 5 tai 6 teksturoitua neliötä, reunat yhteensopivia Pilvet mainostauluilla Myös volymetrisia tekniikoita olemassa Laskennalliset ilmakehämallit dynaamisempi ratkaisu VESI Yksinkertaisimmillaan (animoitu) teksturoitu taso Realistisempi vesi vaatii geometriaa ja interaktiota valon kanssa Geometriaan useita tekniikoita: Kohina, FFT (Just Cause 2), aaltohiukkaset (Uncharted 3) Hiukkasmallit Vesisimulaatio Raskasta Hiukkaset sopivat pieniin määriin 3D-ruudukot vielä liian raskaita, 2Dkorkeuskenttäsimulaatiot toimivat Interaktio pelin liikkuvien esineiden kanssa ongelma VESI Veden ulkoasu koostuu useista tekijöistä Heijastukset voi luoda ympäristökartalla Tasovedelle saadaan melko helposti dynaamisesti heijastuvat esineet Läpinäkyvyys: Fresnel-termi Normaalikartat pienten aaltojen saamiseksi Voidaan animoida virran mukaan Monimutkaisia ilmiöitä: valokeskittymät (caustics), vaahto, roiskeet Säteenjäljitys? TEKOÄLY PELEISSÄ Mitä on tekoäly? Laskennallinen rationaalisuus vai ihmismäinen käytös? Tekoälyn rajat liikkuvat jatkuvasti Tekniikassa tekoäly ratkoo ongelmia, peleissä luo illuusiota järjestä/ihmisestä Useissa peleissä tekoäly tekee tahallaan virheitä Peleissä maailma on omalla puolella Tekoälyn käyttökohteita: taktiset ja strategiset vastustajat, ystävät ja oppaat, kamera, tutoriaali, pelaajan sijainen, ohjaaja Pelitekoälyt monesti hyvin yksinkertaisia Vähäiset resurssit (CPU/muisti) Luotettavuuden tarve: oppiminen voi sotkea pelin Erilaisia tekniikoita useita, voidaan yhdistellä 3

4 TILAKONEET Intuitiivisia, ei tarvitse olla ohjelmoija Tiloissa ajetaan jotain algoritmia, havainnot maailmasta aiheuttavat tilasiirtymiä Tulos helposti itseään toistava Monipuolisuutta epädeterminismillä (opittavat todennäköisyydet) Rinnakkaisuuden ja hierarkkisuuden käyttö Päätöspuut, behavior trees Esim. Black & White (ID3) TILA-AVARUUSHAKU Klassinen menetelmä (shakki) Digitaalisista peleistä strategiat, lautapelit, puzzlet Tutkitaan toimintojen seuraukset etukäteen ja etsitään paras lopputulos Puumainen rakenne, jonka juurena tämänhetkinen tilanne Jako omiin siirtoihin ja maailman/vihollisten siirtoihin Maailma ja aika täytyy diskretisoida Tila-avaruus liian suuri kokonaan rakennettavaksi Lehtisolmuissa arvioidaan tilanteen hyvyys Karsinta tarpeen Algoritmeja: A*, min-max, alfa-beta-karsinta POLUNETSINTÄ Tila-avaruushaun yleisin sovellus peleissä on polunetsintä Lokaalit menetelmät ihmismäisiä Globaalit menetelmät vastaavat tilannetta, jossa ihmisellä on kartta Jos maasto ei ole suoraan diskreetti, jaetaan esim. konvekseihin soluihin ja portaaleihin Syntyy navigaatioverkko Algoritmeja: törmää ja käänny, Dijkstra, A*, IDA* SÄÄNTÖJÄRJESTELMÄT Sääntöjärjestelmissä pohjalla esim. propositio-, predikaatti- tai sumea logiikka Säännöt muotoa ehto reaktio Lisäksi muisti: tieto maailman tilasta Yksinkertainen esimerkki: Näkyy(vihollinen) Pakene() Nälkä AND Hallussa(ruoka) syö(ruoka) Nälkä AND Näkyy(ruoka) Poimi(ruoka) Nälkä Etsi(ruoka) TRUE Nuku() Tässä valitaan ensimmäinen, jonka ehto toteutuu SUUNNITTELU Logiikkaa voi käyttää myös pidemmälle suunnittelevien agenttien toteutukseen Maailma kuvataan logiikalla ja säännöillä kuten edellä Esiehto (milloin sääntöä voi käyttää), Toiminto (mitä tehdään), Jälkiehto (mitä maailmasta tiedetään toiminnon jälkeen) Edellä syömisen jälkiehtoihin kuuluu nälän poistuminen ja ruoan menetys Regression planning algoritmi abstraktilla tasolla: Valitaan tavoite ja tutkitaan, minkä säännön jälkiehdossa tavoite täyttyy Otetaan uudeksi tavoitteeksi löytyneen säännön esiehdot, toistetaan Käytännön peleissä esiehtojen määrä on valtava Matti haluaa leipää kaupasta, esiehtoja: Matilla rahaa, kaupassa leipää, kauppa auki, kauppias elossa, ei zombieinvaasiota matkan varrella Jos itsestään selvä esiehto unohtuu mainita, koko suunnitelma voi kaatua NEUROVERKOT Neuroverkot jäljittelevät ihmisaivojen toimintaa Usein kerroksia ja niiden välisiä yhteyksiä Toiminta koodattu yhteyksien painokertoimiin Opetusesimerkit muuttavat painokertoimia Autopelin kuski: syötteinä etäisyydet esteisiin ulostuloina ohjaus ja kaasu/jarru Ongelmana läpinäkyvyyden puute Neuroverkoista monia muitakin muunnelmia 4

5 GENEETTISET ALGORITMIT Geneettiset algoritmit jäljittelevät luonnonvalintaa Pidetään yllä populaatiota Risteytetään parhaita yksilöitä Lisäksi mutaatioita Tasapainoilua elinkelpoisuuden ja riittävien mutaatioiden välillä Kelpoisuusfunktio? Hidas konvergenssi Usein suora optimointi olisi tehokkaampaa Evoluution ohjaaminen sinänsä voi olla hauskaa PARVEILU JA MUITA TEKNIIKOITA Parveilu mallintaa yksinkertaisten olioiden joukkokäytöstä Linnut, kalat, muurahaiset, ihmisjoukot Boids: ero, suuntaus, yhteneväisyys Voimakenttiä, esteet luotaantyöntäviä A-life: elämän simulointi keinotekoisessa ympäristössä Esim. ekosysteemit, päämäärälliset ihmiset Sim-sarja, S.T.A.L.K.E.R. Sims ja fiksu maasto: Creatures matkii feromoneja (esim. muurahaiset) Strategiset tekoälyt hierarkioita: ylempi määrää aina alemman tavoitteet INFLUENCE MAP Ihminen on hyvä analysoimaan karttoja visuaalisesti Tekoäly ratkoo ongelmaa influence mapilla Kartta diskretisoidaan: ruudukko tai navigaatioverkko Merkitään kartalle esim. omat (+) ja havaitut viholliset tms. uhat (-) Vaikutus leviää ympäristöön etäisyyden mukana vähentyen Kunkin paikan arvo summa osista Osa vanhasta arvosta jää voimaan Esimerkkejä influence mapin käytöstä: Positiiviset alueet omilla ja päinvastoin Suuri tulo: kiistelty alue Tulo abs(arvo): haavoittuvat kohdat Turvallisten reittien etsiminen, vihollisen jakaminen kahtia, heikkojen yksiköiden hätistely VERKKOPELIT Verkkopelien toteutusta rajoittaa fyysisen alustan suorituskyky Kaistanleveys, latenssi, solmujen prosessointiteho Siedettävä latenssi reaaliaikapelissä luokkaa 50 ms 1 s Protokollat Latenssin vaihtelu eli jitter on myös haitallista TCP yhteydellinen, varma, hidas: mukava mutta usein raskas reaaliaikapeleihin UDP yhteydetön, epävarma, nopea Looginen rakenne Vertaisverkko (p2p) vs. palvelin-asiakas Skaalautuvuus: p2p on O(n 2 ), palvelin-asiakas O(n) Datan hajautus: eheys vs. vasteajat Kontrolli VERKON RESURSSIT Resurssien riittävyyden kaksi puolta: Datamäärä: viestit * kohteet * viestin koko * kiireellisyys Prosessointitarve: pakkaaminen, purkaminen, muu laskenta Resurssien säästäminen Pakkaaminen: redundanssi, erotukset, häviölliset Batching: monta asiaa samaan viestiin Kommunikointitarpeen vähentäminen läheisyyssuodatus ennustaminen samanaikainen simulaatio ENNUSTAMINEN Tilapäivityksiä voi lähettää harvemmin, jos käytetään ennustamista Lasketaan historian perusteella, missä muut sijaitsevat Tarvittaessa voidaan lähettää nopeus ja kiihtyvyyskin Adaptiivisuus: lähetys vain kun tarpeen Päivityksen saapuessa aiheutuu hyppäys Ratkaisu: konvergoidutaan uuden informaation antamalle polulle vähitellen Voi silti aiheuttaa seinien läpäisyä ym. Viiveestä aiheutuu haastava vuorovaikutusongelma Esim. viive 100 ms, A ampuu B:tä nopealla luodilla B on ehtinyt 100 ms:ssa seinän taakse, joko A tai B pettyy tilanteeseen 5

6 SAMANAIKAINEN SIMULAATIO Monet pelin tapahtumat ovat deterministisiä Parhaimmillaan vain ihmispelaajien toimet epädeterministisiä Kaikilla sama simulaatio Lähetetään vain epädeterministiset tapahtumat Käytännössä ongelmia: toteutusyksityiskohdat, ajastus, ajatusvirheet Tarkistusdata ja palvelimen auktoriteetti tarpeen HUIJAAMINEN Reiluuden kokemus hyvin tärkeä pelaajille Huijaamisen tavoitteita Päteminen: maine ja kunnia Voiman tunne Taloudelliset hyödyt Huijaamisen estämisen tavoitteita: Salatun informaation suojelu Pelin reiluuden takaaminen Pelimaailman oikeuden turvaaminen HAAVOITTUVUUDET Palvelin-asiakas-rakenteen haavoittuvuuksia: Muunneltu asiakasohjelma binääri, datatiedostot tai muistin sisältö fog of warin poisto, seinien läpi näkeminen, kirkkaat viholliset auktoriteetin väärinkäyttö Asiakkaalta lähtevä verkkoliikenne tähtäysproxy, pakettien pysäytys tai toisto, tahallinen viive Spoofing, palvelunesto Palvelimen hakkerointi, fyysiset hyökkäykset SUOJAUTUMINEN Viestien salaaminen Julkisen avaimen menetelmät Viestien suojaaminen tiivisteillä Viestin muokkaamisesta jää kiinni ellei osaa laskea uutta tiivistettä Toiston esto lisäämällä mukaan satunnaisluku Ohuet asiakkaat, kaikki äly palvelimella Palvelin lähettää vain julkista tietoa Pelaajat antavat vain komentoja, palvelin tarkastaa lailliseksi ja toteuttaa Ainoa varma ratkaisu, mutta voi vaatia liikaa resursseja SÄÄNTÖRIKKEET JA HUONO KÄYTÖS Säännöissä on joskus aukkoja; onko niiden hyödyntäminen huijausta? Salaliitto Jaetaan tietoa, toimitaan yhdessä kilpailullisissa peleissä Ongelma nettipokerissa styling eli käyttäytymisen tarkkailu Turnauksen manipulointi Pelin hengen vastainen käytös Aloittelijoiden teurastus, PK-jengit voi kuolla vain jos antaa luvan, turvalliset alueet Kulkuväylien tukkiminen, kämppäys, sanallinen loukkaus, omien ampuminen, spämmäys, tunnelman pilaaminen,... ignore, kantelu valvojalle koettakaa kestää : huono käytös hyväksytään osaksi peliä 6

Luku 11: Verkkopelit. Resurssit Ennustaminen Huijaus. Lähde: Smed, Hakonen

Luku 11: Verkkopelit. Resurssit Ennustaminen Huijaus. Lähde: Smed, Hakonen Luku 11: Verkkopelit Resurssit Ennustaminen Huijaus Lähde: Smed, Hakonen Verkkopelit Useat pelit mahdollistavat monen pelaajan yhtäaikaisen osallistumisen tietoverkon avulla Smed ja Hakonen jakavat verkkopelien

Lisätiedot

Luku 11: Verkkopelit. Resurssit Ennustaminen Huijaus. Lähde: Smed, Hakonen

Luku 11: Verkkopelit. Resurssit Ennustaminen Huijaus. Lähde: Smed, Hakonen Luku 11: Verkkopelit Resurssit Ennustaminen Huijaus Lähde: Smed, Hakonen Verkkopelit Useat pelit mahdollistavat monen pelaajan yhtäaikaisen osallistumisen tietoverkon avulla Smed ja Hakonen jakavat verkkopelien

Lisätiedot

Luku 8: Pelimaailmat

Luku 8: Pelimaailmat Satunnaiset kartat Proseduraalinen sisältö Luonnon mallintaminen Lähteitä mm.: Ken Perlinin materiaali satunnaiskohinasta Julian Togeliuksen kurssi PCG:stä (IT University of Copenhagen) Kevin Boucaudinin

Lisätiedot

Luku 9: Tekoäly. Tekoäly peleissä Agentit Tekniikoita Toimintapelit Taktiset pelit

Luku 9: Tekoäly. Tekoäly peleissä Agentit Tekniikoita Toimintapelit Taktiset pelit Tekoäly peleissä Agentit Tekniikoita Toimintapelit Taktiset pelit Tekoäly Mitä on tekoäly? laskennallinen rationaalisuus nyt älykäs ei välttämättä ole sitä myöhemmin ajattelu vai toiminta ihmismäisyys

Lisätiedot

Luku 7: Animaatio. Eksplisiittiset menetelmät Implisiittiset menetelmät Suora ja käänteinen kinematiikka Motion capture Elokuvamaisuus

Luku 7: Animaatio. Eksplisiittiset menetelmät Implisiittiset menetelmät Suora ja käänteinen kinematiikka Motion capture Elokuvamaisuus Eksplisiittiset menetelmät Implisiittiset menetelmät Suora ja käänteinen kinematiikka Motion capture Elokuvamaisuus Animaatio Peleissä tärkeimmät animoitavat kohteet ovat pelihahmot, etenkin avatar Animointi

Lisätiedot

Luku 6: Grafiikka. 2D-grafiikka 3D-liukuhihna Epäsuora valaistus Laskostuminen Mobiililaitteet Sisätilat Ulkotilat

Luku 6: Grafiikka. 2D-grafiikka 3D-liukuhihna Epäsuora valaistus Laskostuminen Mobiililaitteet Sisätilat Ulkotilat 2D-grafiikka 3D-liukuhihna Epäsuora valaistus Laskostuminen Mobiililaitteet Sisätilat Ulkotilat 2D-piirto 2-ulotteisen grafiikan piirto perustuu yleensä valmiiden kuvien kopioimiseen näyttömuistiin (blitting)

Lisätiedot

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010 TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta Yliassistentti Jussi Hakanen jussi.hakanen@jyu.fi syksy 2010 Evoluutiopohjainen monitavoiteoptimointi MCDM ja EMO Monitavoiteoptimointi kuuluu

Lisätiedot

Neuroverkkojen soveltaminen vakuutusdatojen luokitteluun

Neuroverkkojen soveltaminen vakuutusdatojen luokitteluun Neuroverkkojen soveltaminen vakuutusdatojen luokitteluun Sami Hokuni 12 Syyskuuta, 2012 1/ 54 Sami Hokuni Neuroverkkojen soveltaminen vakuutusdatojen luokitteluun Turun Yliopisto. Gradu tehty 2012 kevään

Lisätiedot

Luku 7. Verkkoalgoritmit. 7.1 Määritelmiä

Luku 7. Verkkoalgoritmit. 7.1 Määritelmiä Luku 7 Verkkoalgoritmit Verkot soveltuvat monenlaisten ohjelmointiongelmien mallintamiseen. Tyypillinen esimerkki verkosta on tieverkosto, jonka rakenne muistuttaa luonnostaan verkkoa. Joskus taas verkko

Lisätiedot

Algoritmit 2. Luento 6 Ke Timo Männikkö

Algoritmit 2. Luento 6 Ke Timo Männikkö Algoritmit 2 Luento 6 Ke 29.3.2017 Timo Männikkö Luento 6 B-puun operaatiot B-puun muunnelmia Nelipuu Trie-rakenteet Standarditrie Pakattu trie Algoritmit 2 Kevät 2017 Luento 6 Ke 29.3.2017 2/31 B-puu

Lisätiedot

T-111.450 Tietokoneanimaatio ja mallintaminen. Lauri Savioja Teknillinen korkeakoulu Tietoliikenneohjelmistojen ja multimedian laboratorio 02/02

T-111.450 Tietokoneanimaatio ja mallintaminen. Lauri Savioja Teknillinen korkeakoulu Tietoliikenneohjelmistojen ja multimedian laboratorio 02/02 T-111.450 Tietokoneanimaatio ja mallintaminen Lauri Savioja Teknillinen korkeakoulu Tietoliikenneohjelmistojen ja multimedian laboratorio 02/02 Animaatio / 1 2D Avainkuvatekniikka Sisältö Kerronnallisia

Lisätiedot

Kiinnostuspohjainen topologian hallinta järjestämättömissä vertaisverkoissa

Kiinnostuspohjainen topologian hallinta järjestämättömissä vertaisverkoissa Kiinnostuspohjainen topologian hallinta järjestämättömissä vertaisverkoissa Lektio 20.12.2012, Annemari Soranto Tietotekniikan laitos annemari.k.soranto@jyu.fi 1 Agenda Vertaisverkon määritelmä Haku vertaisverkossa

Lisätiedot

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS JOHDATUS TEKOÄLYYN TEEMU ROOS NEUROVERKOT TURINGIN KONE (TAI TAVALLINEN OHJELMOINTI) VAIN YKSI LASKENNAN MALLI ELÄINTEN HERMOSTOSSA LASKENTA ERILAISTA: - RINNAKKAISUUS - STOKASTISUUS (SATUNNAISUUS) - MASSIIVINEN

Lisätiedot

OHJ-2710 Peliohjelmointi. Syksy 2012 Timo Kellomäki

OHJ-2710 Peliohjelmointi. Syksy 2012 Timo Kellomäki OHJ-2710 Peliohjelmointi Syksy 2012 Timo Kellomäki timo.kellomaki@tut.fi Käytännön juttuja Kurssihenkilökunta koostuu Timo Kellomäestä Luennot torstaisin salissa TB223 klo 12-14 2. viikko harkkatyöinfo,

Lisätiedot

Tekoäly ja koneoppiminen metsävaratiedon apuna

Tekoäly ja koneoppiminen metsävaratiedon apuna Tekoäly ja koneoppiminen metsävaratiedon apuna Arbonaut Oy ja LUT University 26. marraskuuta 2018 Metsätieteen päivä 2018 Koneoppimisen kohteena ovat lukujen sijasta jakaumat Esimerkki 1 Koneoppimisessa

Lisätiedot

Seniorit ja tietokonepelit. Tietokonepelien pelaamisesta senioreiden näkökulmasta. Seniorien pelitapahtuma 16.11.2015 Enter ry

Seniorit ja tietokonepelit. Tietokonepelien pelaamisesta senioreiden näkökulmasta. Seniorien pelitapahtuma 16.11.2015 Enter ry Seniorit ja tietokonepelit Tietokonepelien pelaamisesta senioreiden näkökulmasta Seniorien pelitapahtuma 16.11.2015 Enter ry 1 Seniorit ovat erilaisia Kiinnostus tietokonepelien pelaamiseen vaihtelee tietokonepelien

Lisätiedot

Tietorakenteet, laskuharjoitus 7, ratkaisuja

Tietorakenteet, laskuharjoitus 7, ratkaisuja Tietorakenteet, laskuharjoitus, ratkaisuja. Seuraava kuvasarja näyttää B + -puun muutokset lisäysten jälkeen. Avaimet ja 5 mahtuvat lehtisolmuihin, joten niiden lisäys ei muuta puun rakennetta. Avain 9

Lisätiedot

Algoritmit 2. Luento 12 To Timo Männikkö

Algoritmit 2. Luento 12 To Timo Männikkö Algoritmit 2 Luento 12 To 3.5.2018 Timo Männikkö Luento 12 Geneettiset algoritmit Simuloitu jäähdytys Merkkijonon sovitus Horspoolin algoritmi Algoritmit 2 Kevät 2018 Luento 12 To 3.5.2018 2/35 Algoritmien

Lisätiedot

Robotit ja tekoäly terveydenhuollon työvälineinä nyt ja tulevaisuudessa työn tutkimukseen perustuva näkökulma

Robotit ja tekoäly terveydenhuollon työvälineinä nyt ja tulevaisuudessa työn tutkimukseen perustuva näkökulma VTT TECHNICAL RESEARCH CENTRE OF FINLAND LTD Robotit ja tekoäly terveydenhuollon työvälineinä nyt ja tulevaisuudessa työn tutkimukseen perustuva näkökulma Mikael Wahlström, VTT Erikoistutkija, valtiot.

Lisätiedot

Liikkuvuudenhallinta Mobile IP versio 6 - protokollalla

Liikkuvuudenhallinta Mobile IP versio 6 - protokollalla Liikkuvuudenhallinta Mobile IP versio 6 - protokollalla Mikko Merger Valvoja: Professori Jorma Jormakka Ohjaaja: TkL Markus Peuhkuri TKK/Tietoverkkolaboratorio 1 Sisällysluettelo Tavoitteet IEEE 802.11

Lisätiedot

Bayesin pelit. Kalle Siukola. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly

Bayesin pelit. Kalle Siukola. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly Bayesin pelit Kalle Siukola MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly 12.10.2016 Toistetun pelin esittäminen automaatin avulla Ekstensiivisen muodon puu on tehoton esitystapa, jos peliä

Lisätiedot

Algoritmit 2. Luento 12 Ke Timo Männikkö

Algoritmit 2. Luento 12 Ke Timo Männikkö Algoritmit 2 Luento 12 Ke 26.4.2017 Timo Männikkö Luento 12 Rajoitehaku Kauppamatkustajan ongelma Lyhin virittävä puu Paikallinen etsintä Vaihtoalgoritmit Geneettiset algoritmit Simuloitu jäähdytys Algoritmit

Lisätiedot

Ampumahiihto. Hiihto. Pelihahmon piirtäminen. Jos tahdot animoida hiihtämisen, Peli muodostuu kahdesta erilaisesta osasta: ensin

Ampumahiihto. Hiihto. Pelihahmon piirtäminen. Jos tahdot animoida hiihtämisen, Peli muodostuu kahdesta erilaisesta osasta: ensin Ampumahiihto 1 Peli muodostuu kahdesta erilaisesta osasta: ensin hiihdetään ammuntapaikalle rämpyttämällä nuolinäppäimiä ja sen jälkeen yritetään ampua maalitaulut mahdollisimman nopeasti aikasakot välttäen.

Lisätiedot

Geneettiset algoritmit

Geneettiset algoritmit Geneettiset algoritmit Evoluution piirteitä laskennassa Optimoinnin perusteet - Kevät 2002 / 1 Sisältö Geneettisten algoritmien sovelluskenttä Peruskäsitteitä Esimerkkejä funktion ääriarvon etsintä vangin

Lisätiedot

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS JOHDATUS TEKOÄLYYN TEEMU ROOS NEUROVERKOT TURINGIN KONE (TAI TAVALLINEN OHJELMOINTI) VAIN YKSI LASKENNAN MALLI ELÄINTEN HERMOSTOSSA LASKENTA ERILAISTA: - RINNAKKAISUUS - STOKASTISUUS (SATUNNAISUUS) - MASSIIVINEN

Lisätiedot

Algoritmit 2. Luento 6 To Timo Männikkö

Algoritmit 2. Luento 6 To Timo Männikkö Algoritmit 2 Luento 6 To 28.3.2019 Timo Männikkö Luento 6 B-puun operaatiot Nelipuu Trie-rakenteet Standarditrie Pakattu trie Algoritmit 2 Kevät 2019 Luento 6 To 28.3.2019 2/30 B-puu 40 60 80 130 90 100

Lisätiedot

Tilastotiede ottaa aivoon

Tilastotiede ottaa aivoon Tilastotiede ottaa aivoon kuinka aivoja voidaan mallintaa todennäköisyyslaskennalla, ja mitä yllättävää hyötyä siitä voi olla Aapo Hyvärinen Laskennallisen data-analyysin professori Matematiikan ja tilastotieteen

Lisätiedot

Tilastotiede ottaa aivoon

Tilastotiede ottaa aivoon Tilastotiede ottaa aivoon kuinka aivoja voidaan mallintaa todennäköisyyslaskennalla, ja mitä yllättävää hyötyä siitä voi olla Aapo Hyvärinen Laskennallisen data-analyysin professori Matematiikan ja tilastotieteen

Lisätiedot

Tekoäly tietokonepeleissä

Tekoäly tietokonepeleissä Tekoäly tietokonepeleissä Mitä tekoäly on? Termin tekoäly määritelmä on hieman kiistelty Sisältää käsitteen äly jonka määrittely on itsessään epämääräinen Laskennallinen rationaalisuus olisi monen mielestä

Lisätiedot

Graafit ja verkot. Joukko solmuja ja joukko järjestämättömiä solmupareja. eli haaroja. Joukko solmuja ja joukko järjestettyjä solmupareja eli kaaria

Graafit ja verkot. Joukko solmuja ja joukko järjestämättömiä solmupareja. eli haaroja. Joukko solmuja ja joukko järjestettyjä solmupareja eli kaaria Graafit ja verkot Suuntamaton graafi: eli haaroja Joukko solmuja ja joukko järjestämättömiä solmupareja Suunnattu graafi: Joukko solmuja ja joukko järjestettyjä solmupareja eli kaaria Haaran päätesolmut:

Lisätiedot

S09 04 Kohteiden tunnistaminen 3D datasta

S09 04 Kohteiden tunnistaminen 3D datasta AS 0.3200 Automaatio ja systeemitekniikan projektityöt S09 04 Kohteiden tunnistaminen 3D datasta Loppuraportti 22.5.2009 Akseli Korhonen 1. Projektin esittely Projektin tavoitteena oli algoritmin kehittäminen

Lisätiedot

Cloud rendering. Juho Karppinen 49480E

Cloud rendering. Juho Karppinen 49480E HELSINKI UNIVERSITY OF TECHNOLOGY 12.5.2003 Telecommunications Software and Multimedia Laboratory Tik-111.500 Tietokonegrafiikan seminaari Kevät 2003 Cloud rendering Juho Karppinen 49480E Cloud rendering

Lisätiedot

PERCIFAL RAKENNETUN TILAN VISUAALINEN ARVIOINTI

PERCIFAL RAKENNETUN TILAN VISUAALINEN ARVIOINTI PERCIFAL RAKENNETUN TILAN VISUAALINEN ARVIOINTI Arvioijan nimi: Päivämäärä ja kellonaika: Arvioitava tila: Sijainti tilassa: Vastaa kysymyksiin annetussa järjestyksessä! Antaessasi vastauksesi asteikkomuodossa,

Lisätiedot

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS JOHDATUS TEKOÄLYYN TEEMU ROOS NEUROVERKOT TURINGIN KONE (TAI TAVALLINEN OHJELMOINTI) VAIN YKSI LASKENNAN MALLI ELÄINTEN HERMOSTOSSA LASKENTA ERILAISTA: - RINNAKKAISUUS - STOKASTISUUS (SATUNNAISUUS) - MASSIIVINEN

Lisätiedot

Harjoitus Bones ja Skin

Harjoitus Bones ja Skin LIITE 3 1(6) Harjoitus Bones ja Skin Harjoituksessa käsiteltävät asiat: Yksinkertaisen jalan luominen sylinteristä Luurangon luominen ja sen tekeminen toimivaksi raajaksi Luurangon yhdistäminen jalka-objektiin

Lisätiedot

GA & robot path planning. Janne Haapsaari AUTO Geneettiset algoritmit

GA & robot path planning. Janne Haapsaari AUTO Geneettiset algoritmit GA & robot path planning Janne Haapsaari AUTO3070 - Geneettiset algoritmit GA robotiikassa Sovelluksia liikkeen optimoinnissa: * eri vapausasteisten robottien liikeratojen optimointi * autonomisten robottien

Lisätiedot

Implementation of Selected Metaheuristics to the Travelling Salesman Problem (valmiin työn esittely)

Implementation of Selected Metaheuristics to the Travelling Salesman Problem (valmiin työn esittely) Implementation of Selected Metaheuristics to the Travelling Salesman Problem (valmiin työn esittely) Jari Hast xx.12.2013 Ohjaaja: Harri Ehtamo Valvoja: Hari Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston

Lisätiedot

STEFAN KARKULAHTI HARJOITTELUN JA OPPIMISEN OPTIMOINTI. - case Black Knights korkeakoulujoukkue

STEFAN KARKULAHTI HARJOITTELUN JA OPPIMISEN OPTIMOINTI. - case Black Knights korkeakoulujoukkue STEFAN KARKULAHTI HARJOITTELUN JA OPPIMISEN OPTIMOINTI - case Black Knights korkeakoulujoukkue Harjoittelu Toistetaan määriteltyä toimintaa tai sen osaa jotta saavutetaan haluttu oppimistaso. Osaamistasot:

Lisätiedot

Laskut käyvät hermoille

Laskut käyvät hermoille Laskut käyvät hermoille - Miten ja miksi aivoissa lasketaan todennäköisyyksiä Aapo Hyvärinen Matematiikan ja tilastotieteen laitos & Tietojenkäsittelytieteen laitos Helsingin Yliopisto Tieteen päivät 13.1.2011

Lisätiedot

Algoritmit 2. Luento 11 Ti Timo Männikkö

Algoritmit 2. Luento 11 Ti Timo Männikkö Algoritmit 2 Luento 11 Ti 24.4.2018 Timo Männikkö Luento 11 Rajoitehaku Kapsäkkiongelma Kauppamatkustajan ongelma Paikallinen etsintä Lyhin virittävä puu Vaihtoalgoritmit Algoritmit 2 Kevät 2018 Luento

Lisätiedot

Kojemeteorologia. Sami Haapanala syksy 2013. Fysiikan laitos, Ilmakehätieteiden osasto

Kojemeteorologia. Sami Haapanala syksy 2013. Fysiikan laitos, Ilmakehätieteiden osasto Kojemeteorologia Sami Haapanala syksy 2013 Fysiikan laitos, Ilmakehätieteiden osasto Kojemeteorologia, 3 op 9 luentoa, 3 laskuharjoitukset ja vierailu mittausasemalle Tentti Oppikirjana Rinne & Haapanala:

Lisätiedot

Informaation leviäminen väkijoukossa matemaattinen mallinnus

Informaation leviäminen väkijoukossa matemaattinen mallinnus Informaation leviäminen väkijoukossa matemaattinen mallinnus Tony Nysten 11.4.2011 Ohjaaja: DI Simo Heliövaara Valvoja: Prof. Harri Ehtamo Väkijoukon toiminta evakuointitilanteessa Uhkaavan tilanteen huomanneen

Lisätiedot

Johdatus tekoälyn taustalla olevaan matematiikkaan

Johdatus tekoälyn taustalla olevaan matematiikkaan Johdatus tekoälyn taustalla olevaan matematiikkaan Informaatioteknologian tiedekunta Jyväskylän yliopisto 3. luento 17.11.2017 Neuroverkon opettaminen (ohjattu oppiminen) Neuroverkkoa opetetaan syöte-tavoite-pareilla

Lisätiedot

Solmu 3/2001 Solmu 3/2001. Kevään 2001 ylioppilaskirjoitusten pitkän matematiikan kokeessa oli seuraava tehtävä:

Solmu 3/2001 Solmu 3/2001. Kevään 2001 ylioppilaskirjoitusten pitkän matematiikan kokeessa oli seuraava tehtävä: Frégier n lause Simo K. Kivelä Kevään 2001 ylioppilaskirjoitusten pitkän matematiikan kokeessa oli seuraava tehtävä: Suorakulmaisen kolmion kaikki kärjet sijaitsevat paraabelilla y = x 2 ; suoran kulman

Lisätiedot

T Syksy 2004 Logiikka tietotekniikassa: perusteet Laskuharjoitus 12 (opetusmoniste, kappaleet )

T Syksy 2004 Logiikka tietotekniikassa: perusteet Laskuharjoitus 12 (opetusmoniste, kappaleet ) T-79.144 Syksy 2004 Logiikka tietotekniikassa: perusteet Laskuharjoitus 12 (opetusmoniste, kappaleet 9.1 9.5) 30.11. 3.12.2004 1. Osoita lauselogiikan avulla oheisten ehtolausekkeiden ekvivalenssi. (a)!(a

Lisätiedot

Ongelma(t): Voiko älykkyyden määritellä ja voiko sitä mitata, myös objektiivisesti? Onko älykkyyttä ilman (näkyvää) toimintaa? Voiko kone olla älykäs

Ongelma(t): Voiko älykkyyden määritellä ja voiko sitä mitata, myös objektiivisesti? Onko älykkyyttä ilman (näkyvää) toimintaa? Voiko kone olla älykäs Ongelma(t): Voiko älykkyyden määritellä ja voiko sitä mitata, myös objektiivisesti? Onko älykkyyttä ilman (näkyvää) toimintaa? Voiko kone olla älykäs ja jos voi, niin tulisiko sellainen rakentaa? 2012-2013

Lisätiedot

Evolutiivisesti stabiilin strategian oppiminen

Evolutiivisesti stabiilin strategian oppiminen Evolutiivisesti stabiilin strategian oppiminen Janne Laitonen 8.10.2008 Maynard Smith: s. 54-60 Johdanto Käytös voi usein olla opittua perityn sijasta Tyypillistä käytöksen muuttuminen ja riippuvuus aikaisemmista

Lisätiedot

Palomuurit. Palomuuri. Teoriaa. Pakettitason palomuuri. Sovellustason palomuuri

Palomuurit. Palomuuri. Teoriaa. Pakettitason palomuuri. Sovellustason palomuuri Palomuuri Teoriaa Palomuurin tehtävä on estää ei-toivottua liikennettä paikalliseen verkkoon tai verkosta. Yleensä tämä tarkoittaa, että estetään liikennettä Internetistä paikallisverkkoon tai kotikoneelle.

Lisätiedot

3D animaatio: liikekäyrät ja interpolointi. Tommi Tykkälä

3D animaatio: liikekäyrät ja interpolointi. Tommi Tykkälä 3D animaatio: liikekäyrät ja interpolointi Tommi Tykkälä Läpivienti Keyframe-animaatio Lineaarisesta interpoloinnista TCB-splineihin Bezier-käyrät Rotaatioiden interpolointi Kameran animointi Skenegraafit

Lisätiedot

TEEMU ROOS (KALVOT MUOKATTU PATRIK HOYERIN LUENTOMATERIAALISTA)

TEEMU ROOS (KALVOT MUOKATTU PATRIK HOYERIN LUENTOMATERIAALISTA) JOHDATUS TEKOÄLYYN TEEMU ROOS (KALVOT MUOKATTU PATRIK HOYERIN LUENTOMATERIAALISTA) KONEOPPIMISEN LAJIT OHJATTU OPPIMINEN: - ESIMERKIT OVAT PAREJA (X, Y), TAVOITTEENA ON OPPIA ENNUSTAMAAN Y ANNETTUNA X.

Lisätiedot

Johdatus verkkoteoriaan 4. luento

Johdatus verkkoteoriaan 4. luento Johdatus verkkoteoriaan 4. luento 28.11.17 Viikolla 46 läpikäydyt käsitteet Viikolla 47 läpikäydyt käsitteet Verkko eli graafi, tasoverkko, solmut, välit, alueet, suunnatut verkot, isomorfiset verkot,

Lisätiedot

Perusarkkitehtuurin ja vuorovaikutuksen mallintamisen perusteita.

Perusarkkitehtuurin ja vuorovaikutuksen mallintamisen perusteita. Perusarkkitehtuurin ja vuorovaikutuksen mallintamisen perusteita. Arkkitehtuuriin vaikuttavat ympäristötekijät Jo kehittämisen alkuvaiheessa on tarpeellista hahmotella arkkitehtuurin perusratkaisu. Lähtökohdat

Lisätiedot

T-111.4310 Vuorovaikutteinen tietokonegrafiikka Tentti 14.12.2011

T-111.4310 Vuorovaikutteinen tietokonegrafiikka Tentti 14.12.2011 T-111.4310 Vuorovaikutteinen tietokonegrafiikka Tentti 14.12.2011 Vastaa kolmeen tehtävistä 1-4 ja tehtävään 5. 1. Selitä lyhyesti mitä seuraavat termit tarkoittavat tai minkä ongelman algoritmi ratkaisee

Lisätiedot

Visualisoinnin perusteet

Visualisoinnin perusteet 1 / 12 Digitaalisen arkkitehtuurin yksikkö Aalto-yliopisto Visualisoinnin perusteet Mitä on renderöinti? 2 / 12 3D-mallista voidaan generoida näkymiä tietokoneen avulla. Yleensä perspektiivikuva Valon

Lisätiedot

OPPIMISKYVYKKYYS DIGITALISOITUVASSA MAAILMASSA

OPPIMISKYVYKKYYS DIGITALISOITUVASSA MAAILMASSA OPPIMISKYVYKKYYS DIGITALISOITUVASSA MAAILMASSA Sisältö Ihmisen oppiminen ja ohjautuvuus Ihminen digitalisoituvassa elinympäristössä Oleellisen oppimiskyvykkyys, mikä meitä vie? Yhteistyötä yrityksissä

Lisätiedot

KODU. Lumijoen peruskoulu

KODU. Lumijoen peruskoulu KODU Lumijoen peruskoulu Sisällysluettelo 1. Aloitus... 2 1.1 Pelin tallennuspaikka... 2 1.2 Kodu Game lab... 3 2 Maan luominen... 4 2.1. Seinän tekeminen... 5 2.2. Vesialueen tekeminen peliin... 6 2.3.

Lisätiedot

Tasohyppelypeli. Piirrä grafiikat. Toteuta pelihahmon putoaminen ja alustalle jääminen:

Tasohyppelypeli. Piirrä grafiikat. Toteuta pelihahmon putoaminen ja alustalle jääminen: Tasohyppelypeli 1 Pelissä ohjaat liikkuvaa ja hyppivää hahmoa vaihtelevanmuotoisessa maastossa tavoitteenasi päästä maaliin. Mallipelinä Yhden levelin tasohyppely, tekijänä Antonbury Piirrä grafiikat Pelaajan

Lisätiedot

Kuva maailmasta Pakettiverkot (Luento 1)

Kuva maailmasta Pakettiverkot (Luento 1) M.Sc.(Tech.) Marko Luoma (1/20) M.Sc.(Tech.) Marko Luoma (2/20) Kuva maailmasta Pakettiverkot (Luento 1) WAN Marko Luoma TKK Teletekniikan laboratorio LAN M.Sc.(Tech.) Marko Luoma (3/20) M.Sc.(Tech.) Marko

Lisätiedot

Kognitiivinen mallintaminen Neuraalimallinnus, luento 1

Kognitiivinen mallintaminen Neuraalimallinnus, luento 1 Kognitiivinen mallintaminen Neuraalimallinnus, luento 1 Nelli Salminen nelli.salminen@helsinki.fi D433 Neuraalimallinnuksen osuus neljä luentokertaa, muutokset alla olevaan suunnitelmaan todennäköisiä

Lisätiedot

Algoritmit 2. Luento 13 Ti Timo Männikkö

Algoritmit 2. Luento 13 Ti Timo Männikkö Algoritmit 2 Luento 13 Ti 30.4.2019 Timo Männikkö Luento 13 Simuloitu jäähdytys Merkkijonon sovitus Horspoolin algoritmi Ositus ja rekursio Rekursion toteutus Algoritmit 2 Kevät 2019 Luento 13 Ti 30.4.2019

Lisätiedot

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS JOHDATUS TEKOÄLYYN TEEMU ROOS KURSSIN PERUSTIEDOT VALINNAINEN AINEOPINTOTASOINEN KURSSI, 5 OP PERIODI 3: 18.1.2016-6.3.2016 (7 VIIKKOA+KOE) LUENNOT (CK112): MA 14-16, TI 14-16 LASKUHARJOITUKSET: RYHMÄ

Lisätiedot

Monitavoitteiseen optimointiin soveltuvan evoluutioalgoritmin tarkastelu

Monitavoitteiseen optimointiin soveltuvan evoluutioalgoritmin tarkastelu Monitavoitteiseen optimointiin soveltuvan evoluutioalgoritmin tarkastelu (Valmiin työn esittely) 11.4.2011 Ohjaaja: Ville Mattila Valvoja: Raimo Hämäläinen Työn tavoite Tutkia evoluutioalgoritmia (Lee

Lisätiedot

Puhesynteesin perusteet Luento 5: unit selection -synteesi

Puhesynteesin perusteet Luento 5: unit selection -synteesi Puhesynteesin perusteet Luento 5: unit selection -synteesi Nicholas Volk 14.2.2008 Käyttäytymistieteellinen tiedekunta Idea Aitoa puhetta on tallennettu tietokantaan tuhansien äänteiden verran Jopa yksittäisen

Lisätiedot

Ongelma 1: Ovatko kaikki tehtävät/ongelmat deterministisiä?

Ongelma 1: Ovatko kaikki tehtävät/ongelmat deterministisiä? Ongelma 1: Ovatko kaikki tehtävät/ongelmat deterministisiä? 2013-2014 Lasse Lensu 2 Ongelma 2: Milloin ongelmat muuttuvat oikeasti hankaliksi? 2013-2014 Lasse Lensu 3 Ongelma 3: Miten hankalia ongelmia

Lisätiedot

Tekoäly ja dynamiikka tietokonepeleissä

Tekoäly ja dynamiikka tietokonepeleissä Tekoäly ja dynamiikka tietokonepeleissä Mitä tekoäly on? Termin tekoäly määritelmä on hieman kiistelty Sisältää käsitteen äly jonka määrittely on itsessään epämääräinen Laskennallinen rationaalisuus olisi

Lisätiedot

Search space traversal using metaheuristics

Search space traversal using metaheuristics Search space traversal using metaheuristics Mika Juuti 11.06.2012 Ohjaaja: Ville Mattila Valvoja: Harri Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta osin kaikki

Lisätiedot

Algoritmi III Vierekkäisten kuvioiden käsittely. Metsätehon tuloskalvosarja 7a/2018 LIITE 3 Timo Melkas Kirsi Riekki Metsäteho Oy

Algoritmi III Vierekkäisten kuvioiden käsittely. Metsätehon tuloskalvosarja 7a/2018 LIITE 3 Timo Melkas Kirsi Riekki Metsäteho Oy Algoritmi III Vierekkäisten kuvioiden käsittely Metsätehon tuloskalvosarja 7a/2018 LIITE 3 Timo Melkas Kirsi Riekki Metsäteho Oy Algoritmi III vierekkäisten kuvioiden käsittely Lähtötietoina algoritmista

Lisätiedot

Oppiminen ja oivaltaminen

Oppiminen ja oivaltaminen Oppiminen ja oivaltaminen Pohdittavaa Kuinka hyvä lapsestasi tulee, jos opetat hänelle kaiken sen mitä jo osaat? Riittääkö tämä lapselle? Kuinka hyvä pelaajasta tulee 2025, jos hän tekee kaiken sen, mitä

Lisätiedot

Luento 3: 3D katselu. Sisältö

Luento 3: 3D katselu. Sisältö Tietokonegrafiikan perusteet T-.43 3 op Luento 3: 3D katselu Lauri Savioja Janne Kontkanen /27 3D katselu / Sisältö Kertaus: koordinaattimuunnokset ja homogeeniset koordinaatit Näkymänmuodostus Kameran

Lisätiedot

T-111.210 Studio 4. luento 3: laskennallista geometriaa virikkeitä harjoituksiin: luovuudesta. matemaattista/abstraktia taidetta tietokonetaidetta

T-111.210 Studio 4. luento 3: laskennallista geometriaa virikkeitä harjoituksiin: luovuudesta. matemaattista/abstraktia taidetta tietokonetaidetta T-111.210 Studio 4 luento 3: laskennallista geometriaa virikkeitä harjoituksiin: matemaattista/abstraktia taidetta tietokonetaidetta luovuudesta 9.2.2007 Tassu Takala 1 muotojen matemaattista määrittelyä

Lisätiedot

Tietorakenteet ja algoritmit - syksy 2015 1

Tietorakenteet ja algoritmit - syksy 2015 1 Tietorakenteet ja algoritmit - syksy 2015 1 Tietorakenteet ja algoritmit - syksy 2015 2 Tietorakenteet ja algoritmit Johdanto Ari Korhonen Tietorakenteet ja algoritmit - syksy 2015 1. JOHDANTO 1.1 Määritelmiä

Lisätiedot

Tänään ohjelmassa. Kognitiivinen mallintaminen Neuraalimallinnus laskarit. Ensi kerralla (11.3.)

Tänään ohjelmassa. Kognitiivinen mallintaminen Neuraalimallinnus laskarit. Ensi kerralla (11.3.) Tänään ohjelmassa Kognitiivinen mallintaminen Neuraalimallinnus 26.2. Nelli Salminen nelli.salminen@helsinki.fi D433 autoassosiaatio, attraktorin käsite esimerkkitapaus: kolme eri tapaa mallintaa kategorista

Lisätiedot

P (A)P (B A). P (B) P (A B) = P (A = 0)P (B = 1 A = 0) P (B = 1) P (A = 1)P (B = 1 A = 1) P (B = 1)

P (A)P (B A). P (B) P (A B) = P (A = 0)P (B = 1 A = 0) P (B = 1) P (A = 1)P (B = 1 A = 1) P (B = 1) Harjoitustehtäviä (erä 1) 1 1. Käytetään yksinkertaisesti Bayesin kaavaa: P (A B) = P (A)P (B A). P (B) Tapauksessa B = 1 saadaan P (A = 0 B = 1) = P (A = 1 B = 1) = P (A = 0)P (B = 1 A = 0) P (A = 1)P

Lisätiedot

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS JOHDATUS TEKOÄLYYN TEEMU ROOS KURSSIN PERUSTIEDOT VALINNAINEN AINEOPINTOTASOINEN KURSSI, 4 OP PERIODI 1: 6.9.2012-12.10.2012 (6 VIIKKOA) LUENNOT (B123, LINUS TORVALDS -AUDITORIO): TO 10-12, PE 12-14 LASKUHARJOITUKSET

Lisätiedot

Keynote: Extreme Events Ääritapahtumat. Petri Rouvinen ETLA/Etlatieto Oy

Keynote: Extreme Events Ääritapahtumat. Petri Rouvinen ETLA/Etlatieto Oy Keynote: Extreme Events Ääritapahtumat Petri Rouvinen ETLA/Etlatieto Oy Coreorient Oy:n, Demos Helsingin & Sitran seminaari Suomen valmius systeemiseen murroksen Sitrassa 27.9.2011 klo 12 17 Toistuvat

Lisätiedot

Algoritmit 2. Luento 11 Ti Timo Männikkö

Algoritmit 2. Luento 11 Ti Timo Männikkö Algoritmit 2 Luento 11 Ti 25.4.2017 Timo Männikkö Luento 11 Peruutusmenetelmä Osajoukon summa Pelipuut Pelipuun läpikäynti Rajoitehaku Kapsäkkiongelma Algoritmit 2 Kevät 2017 Luento 11 Ti 25.4.2017 2/29

Lisätiedot

The OWL-S are not what they seem

The OWL-S are not what they seem The OWL-S are not what they seem...vai ovatko? Verkkopalveluiden koostamisen ontologia OWL-S Seminaariesitelmä 15.4.2013 Emilia Hjelm Internet on hankala Nykyinternet on dokumenttien verkko Asiat, joita

Lisätiedot

STEP 1 Tilaa ajattelulle

STEP 1 Tilaa ajattelulle Työkalu, jonka avulla opettaja voi suunnitella ja toteuttaa systemaattista ajattelutaitojen opettamista STEP 1 Tilaa ajattelulle Susan Granlund Euran Kirkonkylän koulu ja Kirsi Urmson Rauman normaalikoulu

Lisätiedot

Joonas Haapala Ohjaaja: DI Heikki Puustinen Valvoja: Prof. Kai Virtanen

Joonas Haapala Ohjaaja: DI Heikki Puustinen Valvoja: Prof. Kai Virtanen Hävittäjälentokoneen reitin suunnittelussa käytettävän dynaamisen ja monitavoitteisen verkko-optimointitehtävän ratkaiseminen A*-algoritmilla (valmiin työn esittely) Joonas Haapala 8.6.2015 Ohjaaja: DI

Lisätiedot

Tietorakenteet ja algoritmit Johdanto Lauri Malmi / Ari Korhonen

Tietorakenteet ja algoritmit Johdanto Lauri Malmi / Ari Korhonen Tietorakenteet ja algoritmit Johdanto Lauri Malmi / Ari 1 1. JOHDANTO 1.1 Määritelmiä 1.2 Tietorakenteen ja algoritmin valinta 1.3 Algoritmit ja tiedon määrä 1.4 Tietorakenteet ja toiminnot 1.5 Esimerkki:

Lisätiedot

Puhesynteesin perusteet Luento 4: difonikonkatenaatio

Puhesynteesin perusteet Luento 4: difonikonkatenaatio Puhesynteesin perusteet Luento 4: difonikonkatenaatio Nicholas Volk 7.2.2008 Käyttäytymistieteellinen tiedekunta Idea Äänteet ovat stabiileimmillaan keskellä äännettä, joten mallinnetaan siirtymät äänteestä

Lisätiedot

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS JOHDATUS TEKOÄLYYN TEEMU ROOS PELIPUU ACTIVATOR 1 ACTIVATOR 2 PELIPUU ACTIVATOR 1 ACTIVATOR 2 -1 0 1 PELIPUU PELIPUU PELIPUU I -ARVO(Solmu) if LOPPUTILA(Solmu) return(arvo(solmu)) v = for each Lapsi in

Lisätiedot

Kombinatorinen optimointi

Kombinatorinen optimointi Kombinatorinen optimointi Sallittujen pisteiden lukumäärä on äärellinen Periaatteessa ratkaisu löydetään käymällä läpi kaikki pisteet Käytännössä lukumäärä on niin suuri, että tämä on mahdotonta Usein

Lisätiedot

Katsaus toimialojen muutoksiin: Muoti Viihde ja elämykset Ruoka ja juoma

Katsaus toimialojen muutoksiin: Muoti Viihde ja elämykset Ruoka ja juoma Katsaus toimialojen muutoksiin: Muoti Viihde ja elämykset Ruoka ja juoma Hyvinvointi 30.11.2018 Mikko Östring Johtaja Toimitilat RAKLI ry Muutoksen suunta? Muutosajurit Miksi tilatarve muuttuu? Mitä Parhaat

Lisätiedot

Algoritmit 1. Luento 1 Ti Timo Männikkö

Algoritmit 1. Luento 1 Ti Timo Männikkö Algoritmit 1 Luento 1 Ti 10.1.2017 Timo Männikkö Luento 1 Algoritmi Algoritmin toteutus Ongelman ratkaiseminen Algoritmin tehokkuus Algoritmin suoritusaika Algoritmin analysointi Algoritmit 1 Kevät 2017

Lisätiedot

Harjoitussuunnitelma viikko 17 Kärkipotku I

Harjoitussuunnitelma viikko 17 Kärkipotku I Harjoitussuunnitelma viikko 17 Kärkipotku I = Pelikenttä = Keiloilla rajattu alue = Pelaaja = Maalivahti = Valmentaja = Pallo = Liike pallon kanssa = Liike ilman palloa = Syöttö tai potku = Keila Harjoituskerran

Lisätiedot

SÄÄNNÖT. Language: English / Suomi

SÄÄNNÖT. Language: English / Suomi Rules of Coerceo by Coerceo Company Finnish translation by Janne Henriksson SÄÄNNÖT Language: English / Suomi Tekijänoikeus Mitään tämän dokumentin osaa ei saa jäljentää, kopioida tai välittää missään

Lisätiedot

Tilanhallintatekniikat

Tilanhallintatekniikat Tilanhallintatekniikat 3D grafiikkamoottoreissa Moottori on projektin osa joka vastaa tiettyjen toiminnallisuuksien hallinnasta hallitsee kaikki vastuualueen datat suorittaa kaikki tehtäväalueen toiminnot

Lisätiedot

Liikehavaintojen estimointi langattomissa lähiverkoissa. Diplomityöseminaari Jukka Ahola

Liikehavaintojen estimointi langattomissa lähiverkoissa. Diplomityöseminaari Jukka Ahola Liikehavaintojen estimointi langattomissa lähiverkoissa Diplomityöseminaari Jukka Ahola ESITYKSEN SISÄLTÖ Työn tausta Tavoitteen asettelu Johdanto Liikehavaintojen jakaminen langattomassa mesh-verkossa

Lisätiedot

Algoritmit 1. Luento 8 Ke Timo Männikkö

Algoritmit 1. Luento 8 Ke Timo Männikkö Algoritmit 1 Luento 8 Ke 1.2.2017 Timo Männikkö Luento 8 Järjestetty binääripuu Solmujen läpikäynti Binääripuun korkeus Binääripuun tasapainottaminen Graafit ja verkot Verkon lyhimmät polut Fordin ja Fulkersonin

Lisätiedot

TIE448 Kääntäjätekniikka, syksy Antti-Juhani Kaijanaho. 9. marraskuuta 2009

TIE448 Kääntäjätekniikka, syksy Antti-Juhani Kaijanaho. 9. marraskuuta 2009 TIE448 Kääntäjätekniikka, syksy 2009 Antti-Juhani Kaijanaho TIETOTEKNIIKAN LAITOS 9. marraskuuta 2009 Sisällys Sisällys Seuraava deadline Vaihe D tiistai 10.11. klo 10 välikielen generointi Vaihe E tiistai

Lisätiedot

Mitä mahdollisuuksia pelillisyys avaa vakavahenkisessä toiminnassa?

Mitä mahdollisuuksia pelillisyys avaa vakavahenkisessä toiminnassa? Mitä mahdollisuuksia pelillisyys avaa vakavahenkisessä toiminnassa? Antti Villberg Semantum Oy 22.5.2014 MOSAIC Pelityöpaja Ongelmanasettelu koulutus ja kehittäminen työelämässä Työympäristöt muuttuvat

Lisätiedot

ohjekortti #1 Tämä on ehto. Kun se täyttyy pelissä, seuraa tämän siirron sääntöjä.

ohjekortti #1 Tämä on ehto. Kun se täyttyy pelissä, seuraa tämän siirron sääntöjä. ohjekortti #1 tämä on siirron nimi Tämä on ehto. Kun se täyttyy pelissä, seuraa tämän siirron sääntöjä. Tässä on säännöt, joita siirto noudattaa. Säännöt käydään läpi ylhäältä alaspäin Noppien kohdalla

Lisätiedot

LUENTORUNKO, KUOPIO SISÄLTÖ : - MIKSI AMPUMAHIIHTO? - AMPUMAHIIHDON AMMUNNAN ERITYISPIIRTEET. - AMMUNNAN TEKNIIKKAA ( ampumahiihto-)

LUENTORUNKO, KUOPIO SISÄLTÖ : - MIKSI AMPUMAHIIHTO? - AMPUMAHIIHDON AMMUNNAN ERITYISPIIRTEET. - AMMUNNAN TEKNIIKKAA ( ampumahiihto-) LUENTORUNKO, KUOPIO LIITE SISÄLTÖ : - MIKSI AMPUMAHIIHTO? - AMPUMAHIIHDON AMMUNNAN ERITYISPIIRTEET - AMMUNNAN TEKNIIKKAA ( ampumahiihto-) - HARJOITTELUN RAKENTEESTA - TOTEUTTAMISESTA - OHEISHARJOITTELU

Lisätiedot

Harjoitussuunnitelma viikko 18 Kärkipotku II

Harjoitussuunnitelma viikko 18 Kärkipotku II Harjoitussuunnitelma viikko 18 Kärkipotku II = Pelikenttä = Keiloilla rajattu alue = Pelaaja = Maalivahti = Valmentaja = Pallo = Liike pallon kanssa = Liike ilman palloa = Syöttö tai potku = Keila Harjoituskerralla

Lisätiedot

Antitammirobotti. Antti Meriläinen Martin Pärtel 29. toukokuuta 2009

Antitammirobotti. Antti Meriläinen Martin Pärtel 29. toukokuuta 2009 Antitammirobotti Antti Meriläinen Martin Pärtel 29. toukokuuta 2009 Helsingin yliopisto Tietojenkäsittelytieteen laitos Robottiohjelmoinnin harjoitustyö

Lisätiedot

Toimitusketjun hallinnan uudet kehityssuunnat. Mikko Kärkkäinen Tammiseminaari 2015

Toimitusketjun hallinnan uudet kehityssuunnat. Mikko Kärkkäinen Tammiseminaari 2015 1 Toimitusketjun hallinnan uudet kehityssuunnat Mikko Kärkkäinen Tammiseminaari 2015 2 Toimitusketjun suunnittelun uudet tuulet Muistinvarainen laskenta mullistaa toimitusketjun suunnittelun Välitön näkyvyys

Lisätiedot

S-114.2720 Havaitseminen ja toiminta

S-114.2720 Havaitseminen ja toiminta S-114.2720 Havaitseminen ja toiminta Heikki Hyyti 60451P Harjoitustyö 2 visuaalinen prosessointi Treismanin FIT Kuva 1. Kuvassa on Treismanin kokeen ensimmäinen osio, jossa piti etsiä vihreätä T kirjainta.

Lisätiedot

Symmetriaryhmät ja niiden esitykset. Symmetriaryhmät, 10.1.2013 1/26

Symmetriaryhmät ja niiden esitykset. Symmetriaryhmät, 10.1.2013 1/26 Symmetriaryhmät ja niiden esitykset Symmetriaryhmät, 10.1.2013 1/26 Osa I: Symmetriaryhmät Symmetriaryhmät, 10.1.2013 2/26 Peilisymmetria Symmetriaryhmät, 10.1.2013 3/26 Kiertosymmetria Symmetriaryhmät,

Lisätiedot

Hahmon etsiminen syotteesta (johdatteleva esimerkki)

Hahmon etsiminen syotteesta (johdatteleva esimerkki) Hahmon etsiminen syotteesta (johdatteleva esimerkki) Unix-komennolla grep hahmo [ tiedosto ] voidaan etsia hahmon esiintymia tiedostosta (tai syotevirrasta): $ grep Kisaveikot SM-tulokset.txt $ ps aux

Lisätiedot