خلاصة:
بازیهای رایانهای در جهان به عنوان یک ابزار سرگرمی، یک رسانه پرمخاطب، یک راهکار اثربخش آموزشی و یک اقتصاد بزرگ، پدیده مهمی محسوب میشود. در این مقاله، از شبکه عصبی مصنوعی پرسپترون چند لایه (MLP) برای تشخیص الگوی رفتاری انسان در بازی سنگ، کاغذ، قیچی استفاده شده است. شباهت شبکه های عصبی مصنوعی (ANNs) به مغز انسان انگیزهی اصلی این تحقیق است. به منظور پیاده سازی کدهای شبکه از نرم افزار MATLAB استفاده شده است.
ملخص الجهاز:
در این مقاله، از شبکه عصبی مصنوعی پرسپترون چند لایه (MLP ) برای تشخیص الگوی رفتاری انسان در بازی سنگ، کاغذ، قیچی استفاده شده است.
شبکه عصبی مصنوعی، پرسپترون چندلایه(MLP)، بازی سنگ، کاغذ، قیچی، تشخیص الگوی رفتاری انسان، بازیکن هوشمند 1 - مقدمه بازی فعالیتی خودجوش، ارادی و اختیاری است که با هدف سرگرمی و تفریح در اوقات فراغت انجام میشود.
سنگورو و همکارانش، (2014) روشی برای تشخیص الگوی رفتار انسان در بازی سنگ، کاغذ، قیچی با استفاده از شبکه عصبی feed forward ارائه دادند.
در این مقاله، از شبکه عصبی مصنوعی پرسپترون چند لایه (MLP) برای ایجاد بازیکن هوشمند سنگ، کاغذ، قیچی استفاده شد.
به تصویر صفحه مراجعه شود شکل2-ساختار شبکه MLP طراحی شده برای تشخیص الگو رفتاری انسان همانطور که در شکل 1 نمایش داده شده، لایه ورودی شبکه طراحی شده دارای 4 نورون است که انتخابهای کامپیوتر و بازیکن در 2 بازی متوالی میباشد.
فلوچارت طراحی بازی سنگ، کاغذ، قیچی با شبکه عصبی در شکل 4 نشان داده شده است.
به تصویر صفحه مراجعه شود شکل4- فلوچارت طراحی بازی سنگ،کاغذ،قیچی با شبکه عصبی 4-نتایج شبکه عصبی پرسپترون چند لایه طراحی شده برای تشخیص الگوی رفتاری انسان بین 40 نفر (20 زن و 20 مرد) تست شد.
نتایج به دست آمده بیانگر عملکرد خوب شبکه عصبی در تشخیص الگوی رفتاری انسان در بازی سنگ، کاغذ، قیچی است.
هدف اصلی این مطالعه، ایجاد بازیکن هوشمند سنگ، کاغذ، قیچی است که بتواند الگوی رفتاری انسان را تشخیص و او را شکست دهد.