基于PFML的语义脑机接口智能体用于围棋学习与预测
人工智能
2019-01-11 v1 人机交互
摘要
本文提出一种基于粒子群优化（PSO）和模糊标记语言（FML）的语义脑机接口（BCI）智能体，用于围棋学习与预测应用。此外，我们还基于Facebook AI研究（FAIR）开源的Darkforest和ELF OpenGo AI机器人建立了Open Go Darkforest（OGD）云平台。日本机器人Palro将同时向围棋玩家预测棋盘游戏围棋中的走子优势以供参考或学习。所提出的语义BCI智能体通过来自人脑波的人基BCI数据和来自OGD云平台预测的机基对局数据高效运行，以优化人与机器之间的参数。实验结果表明，所提出的人与智能机器协同学习机制表现良好。我们希望为学生提供更好的在线学习环境，结合不同类型的手持设备、机器人或计算机设备，在未来实现期望的智能化学习目标。
引用
@article{arxiv.1901.02999,
title = {PFML-based Semantic BCI Agent for Game of Go Learning and Prediction},
author = {Chang-Shing Lee and Mei-Hui Wang and Li-Wei Ko and Bo-Yu Tsai and Yi-Lin Tsai and Sheng-Chi Yang and Lu-An Lin and Yi-Hsiu Lee and Hirofumi Ohashi and Naoyuki Kubota and Nan Shuo},
journal= {arXiv preprint arXiv:1901.02999},
year = {2019}
}