신경망을 사용하여 "소프트"솔루션을 해결하는 방법은 무엇입니까?

Question

나는 신경망을 사용하여 제가 만들고있는 우주 사수 게임에서 적에게 힘을 발휘하는 것을 고려하고 있습니다. 네트워크에 대한 확실한 좋은 출력 세트가 없을 때 신경망을 어떻게 훈련합니까?

Answer 1

나는 현재 신경망을 연구하고 있으며, 잘 정의 된 입력 및 출력 인코딩 없이는 상당히 쓸모없는 것처럼 보이며 복잡성으로 전혀 확장되지 않습니다 (SEE 참조. http://en.wikipedia.org/wiki/vc_dimension). 그렇기 때문에 신경망 연구는 20-30 년 전에 초기 과대 광고 이후 적용이 거의 없었지만 Semantic/State 기반 AI는 실제 응용 프로그램의 성공으로 인해 모든 사람의 관심사를 인수했습니다.

• 시작하기에 좋은 곳은 신경망의 입력으로 게임 상태를 수치 적으로 표현하는 방법을 알아내는 것입니다.
• 다음은 게임의 행동에 어떤 종류의 출력에 해당하는지 파악하는 것입니다.
• 사용할 신경망의 구조에 대해 생각해보십시오. 신경망에서 흥미로운 복잡한 행동을 얻으려면 네트워크가 거의 반복되어야합니다. '메모리'가 있기 때문에 반복 네트워크가 필요하지만, 그 이상으로 갈 수있는 것이 많지 않습니다. 그러나 복잡한 구조를 가진 반복 네트워크는 실제로 작동하기가 어렵습니다.
• 신경망이 성공한 영역은 분류 (이미지, 오디오, 문법 등)와 통계적 예측에서 제한된 성공을 거두는 경향이 있습니다 (이 단어 이후에 어떤 단어가 올 것으로 예상 할 것인가, 주가는 내일 어떻게 될까요?)

요컨대, 핵심 적 AI와 같은 게임의 작은 부분에 신경망을 사용하는 것이 좋습니다.

Answer 2

체크 아웃 할 수 있습니다 AI 동적 게임 난이도 균형 다양한 AI 기술 및 참조.

(IMO, 구현할 수 있습니다 적의 행동, "Trould the Enemy"와 같이, 고급 AI 개념을 탐구하지 않고 정말 멋질 것입니다)

편집 : 우주 사수 게임을 만들고 적을위한 AI를 원하기 때문에이 링크가 흥미로울 것입니다. 자율 문자를위한 조향 동작

Answer 3

자극에 대한 응답으로 FSM을 쉽게 수정할 수 있다고 생각 했습니까? 결국 숫자 테이블 일뿐입니다. 어딘가에 메모리를 잡고 숫자를 변경할 수 있습니다. 나는 내 블로그 연료 Deleriums 중 하나에서 그것에 대해 조금 썼고, 일부 게임 AI 뉴스 사이트에 의해 이상하게 픽업되었습니다. 그런 다음 인간을 이길 수 있고 실제 뉴스를 얻은 Ms. Pacman AI를 만든 사람은 더 유용한 정보에 대한 링크와 함께 내 블로그에 의견을 남겼습니다.

다음은 Markov Chains를 사용하여 게임 환경에 지속적으로 적응하고 컴퓨터가 게임 상황에 어떻게 반응하는지에 대해 배운 무언가를 오버레이하고 결합하는 것에 대한 아이디어에 대한 불음화 된 내용의 블로그 게시물입니다.

http://bustingseams.blogspot.com/2008/03/funny-obsection-ideas.html

그리고 Mr. Smarty McPacman이 저를 위해 게시했습니다.

http://www.cs.uleberta.ca/%7esutton/book/ebook/the-book.html

또 다른 멋진 링크가 있습니다

http://aigamedev.com/open/architecture/online-adaptation-game-opponent/

이들은 신경 순 접근법이 아니지만 적응하고 지속적으로 배우고 신경망보다 게임에 더 적합 할 것입니다.

Answer 4

Matthew Buckland의 두 권의 책을 참조하겠습니다.

• 예시에 따라 게임 AI 프로그래밍 AI
• 게임 프로그래밍을위한 AI 기술

두 번째 책은 Back-Propagation Ann에 들어갑니다. 이것은 대부분의 사람들이 어쨌든 NN에 대해 이야기 할 때 의미하는 바입니다.

즉, 의미있는 게임 AI를 만들려면 첫 번째 책이 더 유용하다고 생각합니다. FSM을 성공적으로 사용하는 데있어 멋지고 고기가 많은 섹션이 있습니다 (예, FSM으로 스스로를 쉽게 넘어갈 수 있습니다).