چکیده:
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 شبکههای عصبی مصنوعی (ANNs) به مغز انسان انگیزهی اصلی این تحقیق است. به منظور پیاده سازی کدهای شبکه از نرم افزار MATLAB استفاده شده است. این کدها از دو فاز تشکیل شدهاند: ۱) آموزش ANN برای یادگیری الگوی رفتاری انسان با در نظر گرفتن چهل مسابقه. ۲) بازی واقعی در برابر انسان با انجام ده مسابقه. پس از پیادهسازی شبکه، اثر بخشی آن در تشخیص الگوی رفتاری انسان بررسی شد. این شبکه روی ۴۰ نفر (۲۰ زن و ۲۰ مرد) تست شد. هرکدام از بازیکنان طی سه مرحله با شبکهی مورد نظر بازی کردند. نتایج این مطالعه نشان میدهد، درصد برنده شدن کامپیوتر با شبکه عصبی MLP طراحی شده در مردان برابر با% ۵/ ۵۷ و در زنان برابر با% ۸/ ۶۰ میباشد. در حالی که درصد برنده شدن کامپیوتر بدون شبکه عصبی و با انتخابهای کاملا تصادفی در ۶۰ بازی صورت گرفته در بین مردان برابر با% ۵/ ۵۲ و با همین تعداد بازی در بین زنان برابر با% ۵/ ۴۲ است.
خلاصه ماشینی:
در این مقاله، از شبکه عصبی مصنوعی پرسپترون چند لایه (MLP ) برای تشخیص الگوی رفتاری انسان در بازی سنگ، کاغذ، قیچی استفاده شده است.
در حالی که درصد برنده شدن کامپیوتر بدون شبکه عصبی و با انتخاب های کاملا تصادفی در 60 بازی صورت گرفته در بین مردان برابر با %5/52 و با همین تعداد بازی در بین زنان برابر با %5/42 است.
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 تصوير 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 تصوير 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.