《人工神经网络与人机博弈课件》由会员分享，可在线阅读，更多相关《人工神经网络与人机博弈课件（21页珍藏版）》请在装配图网上搜索。
1、人工神经网络与人机博弈1人工神经网络与人机博弈2总目录总目录 生物学的神经网络生物学的神经网络 人工神经网络人工神经网络 神经网络的人机博弈应用神经网络的人机博弈应用 小实验：小实验：井字过三关井字过三关人工神经网络与人机博弈3生物学的神经网络生物学的神经网络人工神经网络与人机博弈4生物学的神经网络生物学的神经网络人工神经网络与人机博弈5神经网络特点神经网络特点人工神经网络与人机博弈6人工神经网络人工神经网络人工神经网络与人机博弈7人工神经网络人工神经网络人工神经网络与人机博弈8神经网络的人机博弈应用1988年，“深思”击败丹麦特级大师拉尔森1989年，每秒思考速度达200万步的“深思”0 比
2、2不敌卡斯帕罗夫1993年，“深思”二代击败了丹麦国家队，在与前女子世界冠军小波尔加的对抗中获胜1996年，性能高于“深思”数百倍的“深蓝”以2比4负于卡斯帕罗夫1997年，“更深的蓝”以3.5比2.5击败了卡斯帕罗夫2001年，一家德国公司开发的国际象棋软件“更弗里茨”击败了除克拉姆尼克之外的所有排名世界前十位的棋手2002年10月，“更弗里茨”与克拉姆尼克在巴林进行“人机大战”，双方以4比4战平2003年1至2月 由两位以色列电脑专家研究出的“更年少者”与卡斯帕罗夫对弈，双方3比3战平。1997年卡斯帕罗夫与深蓝2的人机大战2003年卡斯帕罗夫与更年少者的人机大战人工神经网络与人机博弈9神
3、经网络的人机博弈应用西洋双陆棋是西方一种状态空间比较大的棋类游戏。1992年，IBM的工程师TD-Gammon。在本例中使用的神经网络包含198 个输入节点、80个隐含节点和1 个输出节点。其中输入节点输入的是棋盘的局面特征,输出的是对棋盘的评估值。人工神经网络与人机博弈10有兴趣的可以参考有兴趣的可以参考人工神经网络与人机博弈11人工神经网络与人机博弈12莫建文等.基于TD强化学习智能博弈程序的设计与实现J.计算机应用,2004,24(6):287-288有兴趣的可以参考有兴趣的可以参考人工神经网络与人机博弈13小实验：井字过三关 即课本第一章习题1.5中提到的tic-tac-toe。两个玩
4、家，一个打圈(O)，一个打叉(X)，轮流在3乘3的格上打自己的符号，最先以横、直、斜连成一线则为胜。先下玩家有优势，双方无失误，将是和局。一个空白的棋盘一个空白的棋盘一场游戏的过程一场游戏的过程人工神经网络与人机博弈14人工神经网络与人机博弈15部分输入向量部分输入向量对应的目标输出值对应的目标输出值部分训练样例部分训练样例人工神经网络与人机博弈16 实验利用Matlab中的神经网络工具箱来进行，将输入向量和目标输出分别保存为p_1和t_1两个文件，建立神经网络进行训练。学习速率取0.05，训练次数定为1000次。人工神经网络与人机博弈17成功的例子成功的例子失败的例子失败的例子人工神经网络与人机博弈18网络过于简单？应该下这一步应该下这一步也应该下这一步也应该下这一步人工神经网络与人机博弈19进一步的改进利用多层前馈网络人工神经网络与人机博弈20有兴趣的可以参考有兴趣的可以参考程序演示程序演示人工神经网络与人机博弈21
人工神经网络与人机博弈课件
