Aim of the work – to propose new methods and algorithms for automated deflection yoke tuning.

If the laws of percepts change, which are described by deterministic Markov decision process, exist in the observable or partially observable environment, then the agent by interacting with the environment and having no initial knowledge is capable to discover those laws using the methods of logical and constructive induction (i.e. is capable to learn environment and goal models); it is capable to learn predicting precisely its own consequences of actions and apply this learned knowledge in order to achieve its own goals in the new unseen situations. Adaptive agent proposed in this dissertation differs from other similar works presented in the literature in three novel potentials that enables this agent to solve the problem of knowledge transferability from one environment into another, when the same laws are valid for the environments; to solve the problem of goal percepts generalization; and to solve the problem of perceptual aliasing in the partially observable environment. During the investigations it was discovered that adaptive agent using created environment model solves the tasks of knowledge transferability into new environments better than other alternative agents (based on Q-learning and ADP methods); using created goal model solves the goal percepts generalization tasks by correctly approximating the reward function and predicting its values in the new environments; solves the problem of perceptual aliasing by transforming the deterministic nth order Markov... [to full text] / Jei stebimoje ar iš dalies stebimoje aplinkoje galioja būsenų kaitos dėsniai, nusakomi deterministiniu Markovo sprendimo procesu, tai agentas, sąveikaudamas su aplinka ir neturėdamas jokių pradinių žinių, gali šiuos dėsnius atrasti loginės ir konstrukcinės indukcijos metodais (išmokti aplinkos ir tikslo modelius), gali išmokti tiksliai prognozuoti savo veiksmų pasekmes ir taikyti šias žinias, kad greičiau pasiektų savo tikslus naujose nematytose situacijose. Disertacijoje siūlomas adaptyvus agentas nuo literatūroje pristatomų panašių darbų skiriasi trimis naujomis galimybėmis, nes: geba spręsti vienoje aplinkoje išmoktų žinių perkeliamumo į naujas aplinkas problemą, kai aplinkoms galioja tie patys dėsniai; tikslo stebėjimų apibendrinimo problemą; stebėjimų daugiareikšmiškumo problemą dalinai stebimoje aplinkoje. Tyrimų metu nustatyta, kad adaptyvus agentas, naudodamas sukurtą aplinkos modelį, žinių perkeliamumo į naujas aplinkas uždavinius sprendžia geriau nei kiti alternatyvūs agentai (grindžiami Q-mokymu ir ADP metodais); tikslo stebėjimų apibendrinimo uždavinius, naudodamas sukurtą tikslo modelį, sprendžia teisingai aproksimuodamas atlygio funkciją ir prognozuodamas pastiprinimo reikšmes naujose aplinkose; stebėjimų daugiareikšmiškumo problemą sprendžia pertvarkydamas deterministinį n-tos eilės Markovo sprendimo procesą į 1-os eilės ir jam sukurdamas aplinkos modelį, atitinkantį baigtinį Muro automatą.

Magistrinio darbo objektas – dirbtinio intelekto sistemų naudojimas e. mokymosi sistemose. Darbo tikslas – ištirti dirbtinio intelekto sistemų naudojimo e. mokymosi sistemose galimybes ir optimalius taikymus. Darbo uždaviniai: atlikti nuotolinio mokymosi sistemų ir jų aplinkų mokslinę analizę informacijos ir žinių vadybos požiūriu bei sudaryti tose sistemose vykstančių informacijos ir žinių kaitos procesų modelį; ištirti algoritmų su dirbtinio intelekto įskiepiais panaudojimą e. mokymui ir juos naujai pritaikyti agentinėse e. mokymosi sistemose; sukurti vartotojui patogias taikomąsias programas, kurios emuliuotų agentų dirbtinio intelekto vykdomus skaičiavimus e. mokymosi sistemose ir apibendrinti gautuosius rezultatus. Išanalizavus mokslinę literatūrą, taikant analogijų, palyginimų ir ekstrapoliacijos mokslinius metodus, prieita išvados, kad galima sudaryti e. mokymosi sistemose vykstančių informacijos ir žinių kaitos modelį bei jį realizuojančius algoritmus. Ištirtos naujos algoritmų su dirbtinio intelekto įskiepiais panaudojimo galimybės, taikant sukurtąjį konceptualų informacijos ir žinių kaitos procesų modelį e. mokymui, taip pat agentinėse e. mokymosi sistemose. Magistro darbe yra sukurtos taikomosios programos, kurios emuliuoja agentų dirbtinio intelekto vykdomus skaičiavimus e. mokymosi sistemose ir pagerina mokinio ir sistemos komunikaciją. Magistro darbas gali būti naudingas mokslo ir švietimo institucijoms, informacijos mokslų, matematikos bei informatikos... [toliau žr. visą tekstą] / One of the branches of E-Learning is Reinforcement Learning, whose origins go back to cybernetics, statistics, psychology, neuroscience and computer science intersections, based on Intelligent Multiagent Software action in a dynamic environment. Modern E-Learning systems must react to the challenges and meet up difficulties associated with human-computer interaction and communication problems. Therefore is important to explore application of Artificial Intelligence in the new E-Learning systems. The aim of this work is to explore the use of artificial intelligence implementations for ELearning systems and increase its opportunities hereby introduce them to a multiagent E-Learning environment and to create user-friendly applications emulating the calculations and summarize the results. Presented work describes the new research of E-Learning and AI algorithms provided with a clear scientific value and the actual practical application, improving the training and education problems, using created system modules saves student time by selecting the optimal presentation materials. The results of research topics of this work are relevant now and possibly will be even more important in the future.

Šiame darbe yra analizuojamas dirbtinis intelektas (DI), jo panaudojimo galimybės. Taip pat apžvelgiami dabartiniai vairuotojo padėjėjai. Šios sistemos padeda išvengti eismo įvykių. Siekiama, kad jos sumažintų eismo kamščius ir padėtų išspręsti aplinkos problemas. Pasinaudojant paslėptaisiais Markovo modeliais, bandoma sukurti dvi sistemas, kurios modeliuoja gerus ir blogus vairuotojo veiksmus posūkyje. Visi kelio ir mašinos duomenys yra gauti iš realiomis sąlygomis važiuojančio automobilio, o ne iš simuliatoriaus. Taip pat darbe parodoma, kad tokia sistema gali atpažinti, kada vairuotojas blogai įvažiuoja į posūkį ir įspėti jį apie artėjantį pavojų dar prieš nelaimei įvykstant. Tai labai aktualu vairuotojų saugumui, nes tokia sistema, kuri įsp��ja, kai į posūkį įvažiuojama per greitai, dar nėra sukurta. / In this paper there are analyzed artificial intelligence (AI), and its opportunities and potential. Also there are reviewed current driver’s assistants. These systems help to avoid traffic accidents. The purpose of these systems is to reduce traffic jams and to solve environmental problems. In this paper there are shown how based on hidden Markov models to create two systems, which can model good and bad driver performance on a turn. All road and vehicle data are collected from real traffic, not from simulator. There are also shown that such system can recognize bad driver’s behavior and warn him before the accident had happened. It is a matter of great relevance to our safety, because such system, which warns about going too fast into the turn, has not been created yet.

Tai teorinis meno praktinis darbas, kuriame analizuojamas dirbtinio intelekto reiškinys, jo vaidmuo sociume bei įtaka šiuolaikiniam medijų menui. Temos vizualizavimui pasirintas performansas ir video projekcija, sukurta „Rutt Etra“ metodu. Šiuo būdu kuriama realaus laiko manipuliacija gyvu vaizdu. „Rutt Etra“ metodu sukurti vaizdiniai atveria naujas galimybes tyrinėti dirbtinio intelekto reiškinį visiškai naujoje plotmėje. Išradimas kontroliuoja elektros įtampą ir signalo variacijas, kurios sukelia atskirų skenavimo linijų iškraipymus. Priešingai nei įprastas sintezatorius, šis generuoja vaizdą ir garsą, susiedamas skirtingus objektus. Procesorius analizuoja mažiausius video vienetus, bangų formos principu. Darbe aptariama dirbtinio intelekto diskurso teorinė ir praktinė raida. DI kuria naują gyvybės formą. Šis reiškinys įsiliejęs daugybėje gyvenimo sričių. / This is theoretical – practical in terms of art paper, which focuses on analysis of phenomenon of artificial intelligence, its role within the socium and its influence concerning the contemporary media arts. Performance and video projection, created by “Rutt Etra” method, are chosen to visualise the topic of the present research. This way the real time manipulation with the help of the lively picturing is being created. The pictures created with the help of “Rutt Etra” method provide new grounds for analysis of Artificial intelligence in a completely new space The invention controls the voltage strain and variations of the signal which are responsible for creating distortions in lines of scanning. Contrary to the nature of the ordinary synthesizer, this one generates pictures and sounds, bounding different objects together. Processor analyzes the smallest video units by principle of wave form. In this work both theoretical and practical evolution of Artificial intelligence discourse is overviewed. AI creates new form of life. This phenomenon has entangled itself into many domains of ordinary life.

Pagrindinis darbo tikslas yra pritaikant dirbtinio intelekto algoritmus sukurti ranka rašyto teksto atpažinimo įrankį. Siekiant šio tikslo buvo apžvelgti dirbtinio intelekto atpažinimo metodai, atlikta teksto atpažinimo algoritmų analizė. Remiantis analizės rezultatais, sukurta ranka rašyto teksto atpažinimo programa, kurioje teksto segmentavimo operacija atliekama „lašelio aptikimo“ algoritmu. Teksto atpažinimo operacijai atlikti naudojamas bitų masyvų analizės algoritmas. / The aim of this work is to create an application for handwritten text recognition using artificial intelligence algorithms. For this purpose a number of recognition methods based on artificial intelligence were reviewed. Based on the review information an application was created for the purpose of recognizing handwritten text. The text segmentation was implemented using a blob detection algorithm. Text recognition was performed using bit array analysis algorithm. During the implementation and testing stage the main problem areas of such application were identified.

Magistro baigiamajame darbe išnagrinėtas automatinio šnekos emocijų atpažinimo uždavinys. Nors pastaruoju metu šios srities populiarumas yra smarkiai išaugęs, tačiau vis dar trūksta literatūros aprašančios konkrečių požymių ar požymių rinkinių efektyvumą kalbos emocijoms atpažinti. Ši problema suformavo magistro baigiamojo darbo tikslą – ištirti akustinių požymių taikymą šnekos emocijoms atpažinti. Darbo metu buvo atlikta požymių sistemų analizė, sukurta emocijų požymių sistemų (rinkinių) testavimo sistema, kuria atliktas požymių rinkinių tyrimas. Tyrimo metu gauti rezultatai yra labai panašūs arba šiek tiek lenkia pastaruoju metu paskelbtus emocijų atpažinimo rezultatus naudojant Berlyno emocingos kalbos duomenų bazę. Remiantis gautais eksperimentų rezultatais, buvo sudarytos požymių rinkinių formavimo rekomendacijos. Magistro baigiamasis darbas informatikos inžinerijos laipsniui. Vilniaus Gedimino technikos universitetas. Vilnius, 2014. / This Master's thesis has examined the automatic speech emotion recognition task. Recently, the popularity of this area is greatly increased, but there is still a lack of literature describing specific acoustic features (or feature sets) performance in automatic emotion recognition task. This issue formed the purpose of this work - to explore suitable acoustic feature sets for emotion recognition task. This work includes analysis of emotion feature systems and development of speech emotion characteristics testing system. Using developed system, investigation experiments of speech emotion parameters were accomplished. The study results are very similar, or slightly ahead to recently published results of emotion recognition using the Berlin emotional speech database. According to the results of the experiments, recommendations for creating effective speech emotion feature sets were concluded. Master's degree thesis in informatics engineering. Vilnius Gediminas Technical University. Vilnius, 2014.

Game Artificial Intelligence (AI) is the code in game that makes the computer-controlled opponents (agents) to make smart decisions in game world. There are some AI problems that are essential in games: pathfinding, decision making, generating player’s characteristics, game’s logic management. However these problems are gameplay dependant. The main goal of this study – to generalize AI problems’ solutions for games of many kinds, that is, to make AI solutions gameplay independent. We have achieved this goal by using data-driven design in our solutions. We separated the game logic and the game code levels by using this approach. Such separation gave us an opportunity to manipulate game logic and data freely. We have examined our decision making system and determined that it is flexible and is easy of use.

Bajeso metodo taikymas kreditų rizikos valdyme: atlikta įvairių egzistuojančių metodų rizikai valdyti tyrimas, pateiktas analitinėje dalyje, aprašyti kai kurie plačiau naudojami mašininio mokymo ir matematiniai modeliai. Paiūlytas modelis eksperimentui atlikti, atliktas empirinis tyrimas ir pateikti gauti rezultatai, pateiktos išvados ir ateities perspektyvos. / Baysan Method for a Credit Risk Management This paper presents a method combining popular machine learning technique for classification, genetic search as a feature selection method for relevant attribute selection and Altman Z-Score discriminant technique for credit risk evaluation. Bayesian method based classifiers (Naïve Bayes, Bayesian Networks) were explored and used in this article to train classifiers. This method was applied to different sectors in service and industry. Its performance was evaluated using weighted mean accuracy and weighted mean error techniques. In theoretical part several methods were analyzed and described, in the end conclusions and suggestions were pointed.

Šiame darbe buvo pasiūlyti dirbtinio intelekto pritaikymo būdai bei metodai, kompiuterinio žaidimo personažui, dviejų personažų koviniam žaidimui. Pasiūlytais būdais bei metodais buvo bandoma pritaikyti dirbtinį intelektą kompiuterinio žaidimo personažui, šio tipo žaidimui. Buvo tiriama ar pasliūlyti būdai ir metodai tinka šiai kompiuterinių žaidimų klasei. Taip pat buvo tiriamas agento mokymosi greitis, nuo ko jis priklauso bei ieškomi faktoriai, kurie lemia tokio tipo žaidimo personažams sparčiau mokintis ir naudingiau naudotis įgytomis žiniomis. Atrastus ir ištirtus faktorius buvo stengiamasi suderinti taip, kad mokomas personažas balansuotų tarp greitai besimokančio ir tinkamai besinaudojančio išmoktomis žiniomis. / In this work was offered an adjustments of techniques and methods of artificial intelligence for computer player, in two-players combat games. There was tried to adapt the artificial intelligence to the computer player, with those proposed techniques and methods in this type of games. Also was investigated whether those proposed techniques and methods suits for this class of computer games. In this work also was analyzed agent learning speed, on what depends it and explored the factors that determines the rapid learning speed and efficient use of agent knowledge. Discovered and investigated factors were fitted to the rapid learning speed and efficient use of agent knowledge.