Как использовать нейронные сети для решения “мягких” решений?
использование кода Claudiu, на моей машине даже с "от математики импортируют sqrt" x **.5, более быстрый но использующий psyco.full () sqrt (x), становится намного быстрее, по крайней мере, на 200%
4 ответа
В данный момент я изучаю нейронные сети, и они кажутся совершенно бесполезными без четко определенных кодировок ввода и вывода, и они вообще не масштабируются до сложности (см. http: //en.wikipedia.org/wiki/VC_dimension). Вот почему исследования нейронных сетей так мало применялись с момента первоначального ажиотажа более 20-30 лет назад, в то время как ИИ, основанный на семантике / состоянии, завладел интересами всех из-за его успеха в реальных приложениях.
- Так что хорошее место для начала может заключаться в том, чтобы выяснить, как численно представить состояние игры в качестве входных данных для нейронной сети.
- Следующее, что нужно сделать, это выяснить, какие выходные данные будут соответствовать действиям в игре.
- подумайте о структуре нейронной сети, которую нужно использовать. Чтобы получить интересное сложное поведение от нейронных сетей, сеть почти должна быть повторяющейся. Вам понадобится рекуррентная сеть, потому что у них есть «память», но кроме этого вам больше нечего делать. Однако рекуррентные сети с любой сложной структурой действительно сложно обучить поведению.
- Области, в которых нейронные сети были успешными, как правило, включают классификацию (изображение, звук, грамматика и т. Д.) И ограниченный успех в статистическом прогнозировании (какое слово будет мы ожидаем, что после этого слова, какова будет цена акций завтра?)
Короче говоря, вероятно, вам лучше использовать нейронные сети для небольшой части игры, а не в качестве основного ИИ противника.
Я отсылаю вас к двум книгам Мэтью Бакленда.
Вторая книга посвящена ИНС обратного распространения , что имеет в виду большинство людей, когда в любом случае поговорим о NN.
Тем не менее, я думаю, что первая книга более полезна, если вы хотите создать значимый игровой ИИ. Есть хороший и содержательный раздел об успешном использовании FSM (и да, с FSM легко запутаться).
Считали ли вы, что легко можно изменить конечный автомат в ответ на стимул? В конце концов, это просто таблица чисел, вы можете хранить ее где-нибудь в памяти и менять числа по ходу. Я немного написал об этом в одном из моих блогов, подпитываемых делериумами, и это странным образом было обнаружено на каком-то новостном сайте Game AI. Затем парень, который построил ИИ мисс Пакман, который мог побеждать людей и узнал настоящие новости, оставил комментарий в моем блоге со ссылкой на еще более полезную информацию
вот мой пост с бессвязными рассуждениями о моей идее об использовании цепей Маркова для постоянной адаптации к игровой среде и, возможно, наложения и объединения того, что компьютер узнал о том, как игрок реагирует на игровые ситуации.
http://bustingseams.blogspot.com/2008/03/funny навязчивые идеи. html
, а вот ссылка на замечательный ресурс об обучении с подкреплением, который мистер. smarty mcpacman написал для меня.
http://www.cs.ualberta.ca/%7Esutton/book/ebook/the-book.html
вот еще одна интересная ссылка
http://aigamedev.com / open / architecture / онлайн-адаптация-игра-противник /
Это не нейросетевые подходы, но они адаптируются и постоянно учатся и, вероятно, лучше подходят для игр, чем нейронные сети.
Вы можете проверить AI Динамическая балансировка сложности игры для различных методов и ссылок AI.
(IMO, вы можете реализовать поведение врага , например «окружить врага», что будет действительно круто, не углубляясь в сложные концепции ИИ)
Изменить: поскольку вы создаете пространство шутер, и вам нужен какой-то искусственный интеллект для своих врагов, я думаю, вам будет интересна эта ссылка: Управление поведением для автономных персонажей