✦ 最新消息

2019-08-09 活動影片前往查看

• 2019-08-01 7/27劍湖山FML全國大賽結果前往查看亞太新聞網勁報大成報

• 2019-07-26 7/27活動當天上午7:30劍湖山會派專車從雲林高鐵站接送至比賽會場,下午5:30活動結束後會有專車由劍湖山載回雲林高鐵站

• 2019-07-25 各組自行搭乘交通運輸前往的團隊麻煩與我們聯絡搭乘方式與金額,以及了解7/27各組到達雲林高鐵站的時間以方便我們派送專車

• 2019-07-09 全國大賽活動海報

• 2019-06-21 劍湖山優惠方案http://www.janfusun.com.tw/webc/html/news/show.aspx?id=751&prp=A

• 2019-06-20 劍湖山世界FML智慧決策應用全國大賽(7/27)獎金

• 2019-06-20 劍湖山世界FML智慧決策應用全國大賽(7/27)賽程

• 2019-05-04 台南場次(5/4)邀請賽結果

• 2019-05-04 AI知識應用暨系統實作邀請賽(5/4)台南場次新聞稿 (DOCPDF)

• 2019-05-03 敬請各位參賽隊伍先上傳一份PPT和FML系統。報告當天可以使用最新的PPT簡報。

• 2019-05-03 書面報告資料可以事後再補上傳。

• 2019-05-03 5/4台南場次開幕 上午9.00至9.30 座談會 上午11.00至12.00

• 2019-04-16 高雄場次/大專院校組佳作(國立臺南大學OASE團隊)(自選題目)

• 2019-04-15 高雄場次/台灣人工智慧學校特別獎(台南一中名取團隊)

• 2019-04-15 台南場次賽前集訓(2019/4/20)(連結)

• 2019-04-15 高雄場次頒獎儀式(2019/5/4)(連結)

• 2019-04-01 報告書參考範本 (參考資料1參考資料2)

• 2019-03-25 書面資料參考格式下載 (PDFDOC)

• 2019-03-25 指定題目實作參考資料下載 PDF

• 2019-03-25 臉書專頁連結

• 2019-03-25 高雄場次賽程

壹、 活動說明

✦ 活動目標

• 了解FML模糊推論系統與機器學習基本概念

• 使用FML智慧決策工具建置模糊推論系統之知識庫與規則庫

• 實作FML模糊推論系統實務應用

• 採用Facebook AI Research (FAIR)開源軟體Darkforest AI Bot預測資訊為訓練資料

• 使用Facebook AI Research (FAIR)開源軟體ELF OpenGo AI Bot預測資料為訓練目標值

• 透過機器學習方法優化FML知識庫與規則庫


✦ 活動時間

2019/3/30 高雄場次-左營高中 9:00~12:00

2019/5/04 台南場次-台南一中 9:00~12:00


✦ 活動分組

國中小組、高中職組、大專院校組(含社會人士)


✦ 活動說明

參賽隊伍可獲得主辦單位提供之參賽證明

優勝隊伍可獲得主辦單位提供之優勝獎狀及獎金

一般獎 (禧達康科技、長春企管、哈瑪星科技贊助)

高雄場次: 第一名新台幣五千元、第二名新台幣三千元、第三名新台幣兩千元

台南場次: 第一名新台幣五千元、第二名新台幣三千元、第三名新台幣兩千元

特別獎

高雄場次: 台灣人工智慧學校新台幣一萬元

台南場次: 台灣人工智慧學校新台幣一萬元、尚承科技新台幣一萬元

貳、 AI知識應用暨系統實作


✦ 自選題目 (80%)

1. 健康飲食評估

2. 智慧旅遊規劃

3. 學習成效評估

4. 智慧生活應用


✦ 指定題目 (20%)

電腦對局應用PDF下載

• 使用FML智慧決策工具建置FML知識庫及規則庫

• 採用機器學習方法優化FML知識庫與規則庫

• 訓練資料(DBSN, DWSN, DBWR, DWWR, DBTMR, DWTMR): 第1盤至第45盤的Darkforest AI Bot預測資訊

• 目標值(EBWR, EWWR): ELF OpenGo AI Bot預測勝率資訊

• 測試資料: 第46盤至第60盤為測試資料

• 驗證經過機器學習的FML知識庫及規則庫,Darkforest AI Bot預測勝率資訊(DBWR, DWWR) ,可以趨近ELF OpenGo AI Bot預測勝率資料(EBWR, EWWR)


參、 對局資料

• Master於2016年12月至2017年1月,在網路對局共取得60連勝

連結網址: https://deepmind.com/research/alphago/match-archive/master/

• 採用AlphaGo Master 60盤對局資料

• AlphaGo Master 60盤對局(第1盤至第30盤)

• AlphaGo Master 60盤對局(第31盤至第60盤)



• 資料說明

ᅳ GameDataG1.csv: 第1盤對局Darkforest AI Bot預測模擬次數、勝率及計算獲得的匹配率資料及ELF OpenGo AI Bot預測勝率資料

ᅳ GameDataG2.csv: 第2盤對局Darkforest AI Bot預測模擬次數、勝率及計算獲得的匹配率資料及ELF OpenGo AI Bot預測勝率資料

ᅳ GameDataG3.csv: 第3盤對局Darkforest AI Bot預測模擬次數、勝率及計算獲得的匹配率資料及ELF OpenGo AI Bot預測勝率資料

ᅳ GameDataG4.csv: 第4盤對局Darkforest AI Bot預測模擬次數、勝率及計算獲得的匹配率資料及ELF OpenGo AI Bot預測勝率資料

ᅳ GameDataG5.csv: 第5盤對局Darkforest AI Bot預測模擬次數、勝率及計算獲得的匹配率資料及ELF OpenGo AI Bot預測勝率資料

ᅳ GameDataG6.csv: 第6盤對局Darkforest AI Bot預測模擬次數、勝率及計算獲得的匹配率資料及ELF OpenGo AI Bot預測勝率資料

...

...

...

ᅳ GameDataG60.csv: 第60盤對局Darkforest AI Bot預測模擬次數、勝率及計算獲得的匹配率資料及ELF OpenGo AI Bot預測勝率資料


• 資料欄位說明: 以第一盤為說明範例



ᅳ 欄位MoveNo: 表示對局的手數,因為是黑白並列一行,所以MoveNo只顯示奇數手

ᅳ 欄位DBSN: 表示Darkforest AI Bot預測黑棋落子位置的模擬次數

ᅳ 欄位DWSN: 表示Darkforest AI Bot預測白棋落子位置的模擬次數

ᅳ 欄位DBWR: 表示Darkforest AI Bot預測黑棋落子位置的勝率

ᅳ 欄位DWWR: 表示Darkforest AI Bot預測白棋落子位置的勝率

ᅳ 欄位DBTMR: 表示Darkforest AI Bot預測黑棋落子位置的匹配率

ᅳ 欄位DWTMR: 表示Darkforest AI Bot預測白棋落子位置的匹配率

ᅳ 欄位EBWR: 表示ELF OpenGo AI Bot預測黑棋落子位置的勝率

ᅳ 欄位EWWR: 表示ELF OpenGo AI Bot預測白棋落子位置的勝率

ᅳ Game 1 至 Game 45 為訓練資料。輸入是黑森林(Darkforest)預測的模擬次數(DBSN, DWSN)、勝率(DBWR, DWWR)、匹配率(DBTMR, DWTMR)。輸出則是ELF OpenGo AI Bot預測的勝率(EBWR, EWWR。參賽者必須自己建立知識庫及規則庫來實作FML推論系統。 (下載訓練資料 Game 1 - Game 45)

ᅳ Game 46 至 Game 60 為測試資料。來檢查並驗證基於FML的推理系統所學習後的推論結果。 (下載測試資料 Game 46 - Game 60)


肆、評比方式

• 書面資料: 30% (含原始設計之FML知識庫與規則庫及說明文件)

- 完整說明系統實作
- 機器學習前之FML知識庫與規則庫設計理念
- 機器學習後之FML知識庫與規則庫比較分析
- 機器學習機制
- 參考格式於這裡( PDFDOC),報告書參考範本(參考資料1參考資料2)下載


• 系統實作: 35% (含機器學習後之FML知識庫與規則庫、訓練資料、測試資料、說明文件及資料處理過程與機器學習機制)


• 現場簡報: 35% (含簡報投影片)
簡報投影片包括項目:
- 機器學習前之FML知識庫與規則庫
- 機器學習後之FML知識庫與規則庫
- 訓練資料及測試資料試驗結果分析
- 說明文件


• 國中小組只需「自選題目」

伍、 提交說明

• 我們同時在紐西蘭及美國的兩場國際會議(IEEE CEC 2019 以及 FUZZ-IEEE 2019)中舉辦 FML-based Machine Learning Competition for Human and Smart Machine Co-Learning。鼓勵各位報名參加,我們將在兩個會議上同時宣布獲勝者。

• FUZZ-IEEE 2019 大會提供參賽證明及優勝隊伍獎狀/獎金說明:

陸、 活動期間

2019年3月1日~2019年4月30日, 23:59(GMT+8)

柒、 Metrics and Rules

- The proposed regression model is evaluated by the mean squared error over all moves in the test game datasets (i.e., Game 46 to Game 60). MSE
where M is the total number of moves (i.e., the total number of rows) in the test data from Game 46 to Game 60. xi and yi are the Black's win rate predicted by the regression model and the Black’s win rate calculated by ELF OpenGo AI Bot (i.e., EBWR), respectively. Note: EWWR = 1.0 – EBWR.

Only the training data (i.e., Game 1 to Game 45) is available for optimizing/learning the regression model and tuning the parameters of optimization/learning algorithms.

捌、 工具下載

VisualFMLTool can be executed on platforms containing the Java Runtime Environment. The Java Software Development Kit, including JRE, compiler and many other tools can be found at http://java.sun.com/j2se/. To install VisualFMLTool is needed to download the visualFMLTool and user guide from the web site

http://kws.nutn.edu.tw/fml/

and to extract it. Then it is only needed to click the file VisualFMLTool.bat included in the zip to execute the tool.

玖、參考文獻

• C. S. Lee, M. H. Wang, S. C. Yang, P. H. Hung, S. W. Lin, N. Shuo, N. Kubota, C. H. Chou, P. C. Chou, and C. H. Kao, “FML-based dynamic assessment agent for human-machine cooperative system on game of Go,” International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, vol. 25, no. 5, pp. 677-705, 2017. arXiv

• G. Acampora, “Fuzzy Markup Language: A XML based language for enabling full interoperability in fuzzy systems design,” in G. Acampora, V. Loia, C. S. Lee, and M. H. Wang (editors), On the Power of Fuzzy Markup Language, Springer-Verlag, Germany, Jan. 2013, pp. 17–33.

• IEEE Standards Association, IEEE Standard for Fuzzy Markup Language, Std. 1855-2016, May 2016. [Online] Available: https://ieeexplore.ieee.org/document/7479441.

• G. Acampora, B. N. Di Stefano, A. Vitiello, “IEEE 1855TM: The first IEEE standard sponsored by IEEE Computational Intelligence Society,” IEEE Computational Intelligence Magazine, vol. 11, no. 4, pp. 4–6, 2016.

• J. M. Soto-Hidalgo, J. M. Alonso, and J. Alcalá-Fdez, “Jave Fuzzy Markup Language,” Jan. 2019. [Oneline] Available:http://www.uco.es/JFML/.

• Y. Tian and Y. Zhu, “Better computer Go player with neural network and long-term prediction,” 2016 International Conference on Learning Representations (ICLR 2016), San Juan, Puerto Rico, May 2–4, 2016 (https://arxiv.org/pdf/1511.06410.pdf).

• Y. Tian and L. Zitnick, “Facebook Open Sources ELF OpengGo,” May 2018, [Online] Available: https://research.fb.com/facebook-open-sources-elf-opengo/.

• D. Silver, A. Huang, C. J. Maddison, A. Guez, L. Sifre, G. van den Driessche, J. Schrittwieser, I. Antonoglou, V. Panneershelvam, M. Lanctot, S. Dieleman, D. Grewe, J. Nham, N. Kalchbrenner, I. Sutskever, T. Lillicrap, M. Leach, K. Kavukcuoglu, T. Graepel and D. Hassabis, “Mastering the game of Go with deep neural networks and tree search,” Nature, no. 529, pp. 484–489, 2016.

• D. Silver, J. Schrittwieser, K. Simonyan, I. Antonoglou, A. Huang, A. Guez, T. Hubert, L. Baker, M. Lai, A. Bolton, Y. Chen, T. Lillicrap, F. Hui, L. Sifre, G. v. d. Driessche, T. Graepel, and D. Hassabis, “Mastering the game of Go without human knowledge,” Nature, vol. 550, pp. 35–359, 2017.

• Deepmind, “AlphaGo Master series: 60 online games,” Jan. 2019. [Online] Available: https://deepmind.com/research/alphago/match-archive/master/.

• C. S. Lee, M. H. Wang, and S. T. Lan, “Adaptive personalized diet linguistic recommendation mechanism based on type-2 fuzzy sets and genetic fuzzy markup language,” IEEE Transactions on Fuzzy Systems, vol. 23, no. 5, pp. 1777-1802, Oct. 2015.

• C. S. Lee, M. H. Wang, H. Hagas, Z. W. Chen, S. T. Lan, S. E. Kuo, H. C. Kuo, and H. H. Cheng, “A novel genetic fuzzy markup language and its application to healthy diet assessment,” International Journal of Uncertainty, Fuzziness, and Knowledge-Based Systems, vol. 20, no. 2, pp. 247-278, Oct. 2012.

• C. S. Lee, M. H. Wang, L. C. Chen, Y. Nojima, T. X. Huang, J. Woo, N. Kubota, E. Sato-Shimokawara, T. Yamaguchi, “A GFML-based robot agent for human and machine cooperative learning on game of Go,” 2019 IEEE Congress on Evolutionary Computation (IEEE CEC 2019), Wellington, New Zealand, Jun. 10-13, 2019. (Submitted) Arxiv

活動主席

國立臺南大學

李健興  教授

國立高雄師範大學

鄭伯壎   教授

國研院人工智慧產學研聯盟

楊弘敦   召集人

活動委員會 (邀請中)

國立臺南第一高級中學-高英耀主任
國立臺南第一高級中學-蔡明輝主任
高雄市立左營高級中學-張簡玲娟校長
高雄市立左營高級中學-陳筱婷主任
高雄市立瑞祥高級中學-柯尚彬老師
國立鳳山高級中學-趙修範老師
國立交通大學-柯立偉副教授
國立高雄師範大學-陳立偉助理教授
國立高雄師範大學-葉倚任助理教授
國立成功大學-高宏宇主任
國立成功大學-黃仁暐副教授
國立高雄大學-洪宗貝敎授
國立高雄科技大學-洪盟峰主任
台南市教育局資訊中心-高誌健主任
哈碼星科技公司-黃秀鳳副總經理
台南市歸南國小-李培瑜校長
國立高雄師範大學附屬高級中學-江其勲老師
國立臺南大學-李建樹主任
國立臺南大學-張智凱教授
國立臺南大學-白富升院長
中華民國人工智慧學會-張嘉惠理事長
台灣微課程發展協會-盧育群理事長
高雄市立瑞祥高級中學-莊訓當校長
台灣人工智慧學校南部分校-蔡明順主任