論文の概要: Predicting Human Card Selection in Magic: The Gathering with Contextual Preference Ranking

• arxiv url: http://arxiv.org/abs/2105.11864v1
• Date: Tue, 25 May 2021 12:07:27 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-26 18:52:11.580338
• Title: Predicting Human Card Selection in Magic: The Gathering with Contextual Preference Ranking
• Title（参考訳）: マジックにおけるカード選択の予測:コンテクスト優先ランキングを用いた収集
• Authors: Timo Bertram, Johannes F\"urnkranz, Martin M\"uller
• Abstract要約: カードゲーム『マジック:ザ・ギャザリング』の文脈で起草を研究する。 本稿では,あるカードのデッキの2つの拡張を比較可能なコンテキスト優先ネットワークを提案する。 得られたネットワークが,このゲームにおけるカードデッキの評価を,従来の試みよりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Drafting, i.e., the selection of a subset of items from a larger candidate set, is a key element of many games and related problems. It encompasses team formation in sports or e-sports, as well as deck selection in many modern card games. The key difficulty of drafting is that it is typically not sufficient to simply evaluate each item in a vacuum and to select the best items. The evaluation of an item depends on the context of the set of items that were already selected earlier, as the value of a set is not just the sum of the values of its members - it must include a notion of how well items go together. In this paper, we study drafting in the context of the card game Magic: The Gathering. We propose the use of a contextual preference network, which learns to compare two possible extensions of a given deck of cards. We demonstrate that the resulting network is better able to evaluate card decks in this game than previous attempts.
• Abstract（参考訳）: ドラフト、すなわち、より大きな候補集合からの項目のサブセットの選択は、多くのゲームや関連する問題の鍵となる要素である。 スポーツやeスポーツにおけるチーム形成や、現代の多くのカードゲームにおけるデッキ選択を含む。 起草の難しさは、通常、真空中で各項目を単純に評価し、最良の項目を選択するだけでは不十分である。 アイテムの評価は、すでに選択済みのアイテムの集合のコンテキストに依存する。集合の値は、メンバーの値の合計だけではない。 本稿では,カードゲームMagic: The Gatheringの文脈における起草について検討する。 そこで本研究では,任意のカードセットの2つの拡張を比較できるコンテクスト・プレファレンス・ネットワークの利用を提案する。 その結果,このゲームにおけるカードデッキの評価が,これまでの試みよりも優れていることを示す。

関連論文リスト

• Learning With Generalised Card Representations for "Magic: The Gathering" [4.336779198334903]
  この研究は、見えないカードに一般化するカード表現の可能性を探る。 本研究では,カードの数値的,名目的,テキスト的特徴に基づく表現,カードイメージ,およびサードパーティサービスからのカード使用状況に関するメタ情報について検討する。 その結果, 一般化された入力表現の特定の選択は, 既知のカード間の人間のカード選択を予測する学習にはほとんど影響を及ぼさないが, 新たな未知のカードの性能は大幅に向上できることがわかった。
  論文  参考訳（メタデータ） (2024-07-08T12:42:44Z)
• Principal Trade-off Analysis [79.16635054977068]
  低次元特徴空間にゲームを埋め込む分解法であるPTA(Principal Trade-off Analysis)を示す。 PTAは2次元特徴平面の対の重み付け和として任意の2-player 0-sumゲームを表す。 ゲーム四重奏におけるPTAの有効性を示す(Kuhn poker, RPS+2, Blotto, Pokemon)。
  論文  参考訳（メタデータ） (2022-06-09T18:16:28Z)
• An Efficient and Accurate Rough Set for Feature Selection, Classification and Knowledge Representation [89.5951484413208]
  本稿では, 特徴選択, 分類, 知識表現を同時に実現する, 粗集合に基づく強力なデータマイニング手法を提案する。 まず, ノイズ特性の処理において, 粗集合の非効率性について検討し, 相対的重要度と呼ばれる特性のロバストな測定法を提案する。 公開ベンチマークデータセットによる実験結果から,提案フレームワークは7つの人気や最先端の機能選択手法よりも精度が高いことがわかった。
  論文  参考訳（メタデータ） (2021-12-29T12:45:49Z)
• Contextual Games: Multi-Agent Learning with Side Information [57.76996806603094]
  各ラウンドでコンテキスト情報によって駆動されるコンテキストゲームの新しいクラスを定式化する。 カーネルベースの規則性仮定を用いて、異なるコンテキストとゲーム結果の相関関係をモデル化する。 本研究では,個々のプレイヤーの文脈的後悔を最小限に抑えるために,そのような相関を利用した新しいオンライン(メタ)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-07-13T18:37:37Z)
• A Comparison of Contextual and Non-Contextual Preference Ranking for Set Addition Problems [0.0]
  本研究では,要素の集合への付加性を評価する問題について検討する。 私たちは決定の文脈に基づいて好みをモデル化します。 本稿では,2つのネットワークよりも3重項アプローチの方がよい結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-07-09T13:33:16Z)
• Evolving Evaluation Functions for Collectible Card Game AI [1.370633147306388]
  本研究は,機能ベースゲーム評価機能の進化における2つの重要な側面について述べる。 ゲノム表現の選択とモデルをテストするために使用される相手の選択について検討した。 私たちは、戦略カードゲームAIコンペティションで使用されるプログラミングゲーム、Regends of Code and Magicで実験をエンコードしました。
  論文  参考訳（メタデータ） (2021-05-03T18:39:06Z)
• On the Power of Refined Skat Selection [1.3706331473063877]
  Skatは魅力的なカードゲームで、現代のAIシステムの本質的な課題の多くを示しています。 洗練されたskat評価機能に基づくハードエキスパートルールとスコアリング関数を提案する。 実験では、精巧なskat pingアルゴリズムがボットの演奏性能に与える影響を強調した。
  論文  参考訳（メタデータ） (2021-04-07T08:54:58Z)
• Efficient Pure Exploration for Combinatorial Bandits with Semi-Bandit Feedback [51.21673420940346]
  コンビナーシャルバンディットはマルチアームバンディットを一般化し、エージェントが腕のセットを選択し、選択したセットに含まれる各腕の騒々しい報酬を観察します。 我々は, 最善の腕を一定の信頼度で識別する純粋爆発問題と, 応答集合の構造が動作集合の1つと異なるような, より一般的な設定に注目する。 有限多面体に対するプロジェクションフリーオンライン学習アルゴリズムに基づいて、凸的に最適であり、競争力のある経験的性能を持つ最初の計算効率の良いアルゴリズムである。
  論文  参考訳（メタデータ） (2021-01-21T10:35:09Z)
• Faster Algorithms for Optimal Ex-Ante Coordinated Collusive Strategies in Extensive-Form Zero-Sum Games [123.76716667704625]
  我々は,不完全情報ゼロサム拡張形式ゲームにおいて,対戦相手と対決する2人の選手のチームにとって最適な戦略を見つけることの課題に焦点をあてる。 この設定では、チームができる最善のことは、ゲーム開始時の関節(つまり相関した)確率分布から潜在的にランダム化された戦略(プレイヤー1人)のプロファイルをサンプリングすることである。 各プロファイルにランダム化されるのはチームメンバーの1人だけであるプロファイルのみを用いることで、そのような最適な分布を計算するアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2020-09-21T17:51:57Z)
• Learning to Play Sequential Games versus Unknown Opponents [93.8672371143881]
  学習者が最初にプレーするゲームと、選択した行動に反応する相手との連続的なゲームについて考察する。 対戦相手の対戦相手列と対戦する際,学習者に対して新しいアルゴリズムを提案する。 我々の結果には、相手の反応の正則性に依存するアルゴリズムの後悔の保証が含まれている。
  論文  参考訳（メタデータ） (2020-07-10T09:33:05Z)
• Evolutionary Approach to Collectible Card Game Arena Deckbuilding using Active Genes [1.027974860479791]
  アリーナゲームモードでは、各試合に先立って、プレイヤーは以前知らなかった選択肢から1枚ずつデッキ選択カードを組み立てなければならない。 そこで本研究では,遺伝子型の世代別サブシーケンスのみに対する演算子の範囲を減らすために,活性遺伝子の概念を用いた進化的アルゴリズムの変種を提案する。
  論文  参考訳（メタデータ） (2020-01-05T22:46:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。