0411404 20240103182325.020060210235959.9 8 s. cav_un_epca*02573890167-86552612 (2005)1866-1873Elsevier neural networks distribution mixtures playing games cav_un_auth*0101091 Grim Jiří UTIA-B Department of Pattern Recognition Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0101197 Somol Petr UTIA-B Department of Pattern Recognition Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0101182 Pudil Pavel UTIA-B Department of Pattern Recognition Ústav teorie informace a automatizace AV ČR, v. v. i. 09K 12B GA402/02/1271 GA ČR cav_un_auth*0008983 GA402/03/1310 GA ČR cav_un_auth*0009030 FP6-507772 Comission EU XE 1M0572 GA MŠk cav_un_auth*0001814 CEZ:AV0Z10750506 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. BB 2006 RO http://hdl.handle.net/11104/0131486 UTIA-B 20050134 2005 cav_un_epca*0257389 Pattern Recognition Letters 0167-8655 1872-7344 Roč. 26 č. 12 2005 1866 1873 Elsevier