Modélisation et création d'un joueur virtuel de billard intelligent à l'aide de techniques d'optimisation et de planification
Notice bibliographique
Résumé
Dans ce mémoire, nous proposons une approche pour la création d'un joueur de billard virtuel intelligent. Les éléments physiques du jeu de billard sont tout d'abord décrits afin d'illustrer la complexité du problème et un modèle est introduit permettant l'utilisation de techniques d'optimisations pour arriver à une solution. L'aspect technique du billard est tout d'abord observé et une approche pour créer un joueur capable de se repositionner n'importe où sur la table est proposée. L'aspect tactique du jeu est ensuite abordé à l'aide de différentes heuristiques pour déterminer la difficulté d'un coup et la sélection de la cible où se repositionner. Des résultats sont démontrés pour supporter les heuristiques proposées. Finalement, plusieurs modifications sont effectuées sur le modèle original pour arriver à un joueur final beaucoup plus performant. Le maximum de connaissances sont extraites de la table de billard pour arriver à effectuer une recherche intelligente dans les coups possibles. Ces modifications permettent de doubler la vitesse de l'optimisation en utilisant des points de départs beaucoup plus performants. Plusieurs tests sont générés pour démontrer les gains de performance avec ces nouveaux ajouts.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».