http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 황규덕(Kiu-Duck Hwang) (검색결과 1 건)
- 무료
- 기관 내 무료
- 유료
-
32Bit 전용 클라이언트 게임의 AI 모델을 위한 ALNN기반 강화학습 프레임워크: 오목 게임 중심으로
구본우(Bon-Woo Gu),황규덕(Kiu-Duck Hwang),한태우(Taewoo Han) 한국게임학회 2023 한국게임학회 논문지 Vol.23 No.3
DQN이 Atari 게임들을 성공적으로 플레이한 사례는, 게임에 딥러닝을 적용할 수 있다는 희망을 보여 준다. 게임 자체 내에 딥러닝 기반 AI 모델을 적용하기 위해서는 64Bit 클라이언트 게임으로 개발되어야 한다. 게임 회사에서는 장기간에 걸쳐 32Bit 클라이언트 게임을 64bit 클라이언트 게임으로 바꾸고 있지만, 그 사이, 사용자들에게 발전된 NPC를 제공하기 위해서는 32Bit 클라이언트 게임에서도 사용할 수 있는 강화학습 방법이 필요하다. 본 논문에서는 강화학습의 보상 방식을 ALNN 알고리즘에 적용하여 32Bit 클라이언트 게임에서도 강화학습을 할 수 있는 프레임워크를 제안한다. 제안된 프레임워크는 32Bit 클라이언트 오목 게임에 적용하여 성능을 검증한다. The successful play of Atari games by DQN shows the hope of applying deep learning to the game. In order to apply a deep learning-based AI model within the game itself, it must be developed as a 64Bit client game. Game companies are changing 32-bit client games to 64-bit client games over the long term. However, in the meantime, reinforcement learning methods that can be used in 32-bit client games are needed to provide advanced NPCs to users. This paper proposes framework that can perform reinforcement learning even in 32-Bit client games by applying the compensation method of reinforcement learning to the ALNN algorithm. The probability of the next action is adjusted through compensation.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
