MétaCan
Menu
Retour à la cohorte
Enregistrement W2976677836 · doi:10.1109/cig.2019.8847947

Automatic Generation of Diverse Cavern Maps with Morphing Cellular Automata

2019· article· en· W2976677836 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revue2019 IEEE Conference on Games (CoG) · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueCellular Automata and Applications
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésCellular automatonComputer scienceAutomatonMorphingMobile automatonFunction (biology)Theoretical computer scienceFitness functionStochastic cellular automatonAutomata theoryAlgorithmArtificial intelligenceMachine learningGenetic algorithm

Résumé

récupéré en direct d'OpenAlex

Cellular automata can be used to rapidly generate complex images, but controlling the character of those images can be difficult. This study continues experimentation with fashion-based cellular automata that generate cavern-like level maps and provides the beginning of a mathematical theory. Fashion-based automata are defined by a competition matrix with different cell states competing to capture territory. This study co-evolves pairs of competition matrices to permit the evolution of automata rules that can be spatially morphed to provide substantially more diverse types of maps than earlier systems using fashion-based cellular automata. As in earlier studies, the cellular automata rules function in local neighborhoods, meaning that the level generation system scales smoothly to any desired level map size. This reusability also permits variation of the type of morph used: a variety of spatial morphing styles are tested with the evolved rules. The theoretical treatment includes the derivation of a normal form for the cellular automata rules that informs the design of the fitness function and has application to understanding the fitness landscape of fashion based automata.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,934
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,036
Tête enseignante GPT0,238
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle