| dc.contributor.author | Попова, Ю. Б. | ru |
| dc.contributor.author | Яцынович, С. В. | ru |
| dc.coverage.spatial | Минск | ru |
| dc.date.accessioned | 2018-02-08T12:15:19Z | |
| dc.date.available | 2018-02-08T12:15:19Z | |
| dc.date.issued | 2017 | |
| dc.identifier.citation | Попова, Ю. Б. Программная реализация искусственной нейронной сети для управления виртуальными объектами = Software implementation of the artificial neural network for virtual objects сontrol / Ю. Б. Попова, С. В. Яцынович // Системный анализ и прикладная информатика. - 2017. – №4. - С. 72-78. | ru |
| dc.identifier.uri | https://rep.bntu.by/handle/data/37488 | |
| dc.description.abstract | Искусственные нейронные сети (ИНС) в настоящее время находят широкое применение в задачах управления и прогнозирования. Целью данной работы является реализация искусственной нейронной сети для управления виртуальными объектами в компьютерной игре в футбол. Для достижения указанной цели необходимо решить круг задач, связанных с математическим моделированием ИНС, алгоритмизацией и программной реализацией. В работе рассматриваются вопросы математического моделирования искусственной нейронной сети методом обратного распространения ошибки, приведены алгоритмы для расчета нейронов и для обучения ИНС. Программная реализация искусственной нейронной сети была выполнена на языке JavaScript с использованием библиотеки Node.js, которая взяла на себя роль сервера для управления процессом игры. Также использовались некоторые функции библиотеки Underscore.js для работы с массивами данных. Обучающая выборка состояла из более чем 1000 наборов входов и выходов, максимально отражая все возможные ситуации. Описаны результаты программной реализации искусственной нейронной сети на примере управления виртуальными футболистами для компьютерной игры. Результаты работы показывают, что ИНС с достаточно большой скоростью в режиме реального времени выдает необходимое направление для движения игрока. Использование искусственной нейронной сети позволило снизить использование процессорного времени, что является крайне важным в задачах, где требуется быстрое принятие решений, ведь сложные вычисления и алгоритмы предсказания не всегда могут вложиться в 20 мс, что чревато пропусками ходов и проигрышами. Смоделированная искусственная нейронная сеть и реализованный алгоритм ее обучения могут применяться для решения других задач, для чего необходимы только новые данные окружающего мира. | ru |
| dc.language.iso | ru | ru |
| dc.publisher | БНТУ | ru |
| dc.title | Программная реализация искусственной нейронной сети для управления виртуальными объектами | ru |
| dc.title.alternative | Software implementation of the artificial neural network for virtual objects сontrol | en |
| dc.type | Article | ru |
| local.description.annotation | Artificial neural networks (ANN) are now widely used in control and forecasting problems. The purpose of this work is the implementation of an artificial neural network for virtual objects control in a computer game of football. To achieve this goal, it is necessary to solve a number of problems related to mathematical modeling of ANN, algorithmization and software implementation. The paper deals with the mathematical modeling of an artificial neural network by the method of back propagation of an error, the algorithms for calculating neurons and for teaching ANN are presented. The software implementation of the artificial neural network was performed in the JavaScript language using the Node. js library, which assumed the role of a server for managing the game process. Some functions of the Underscore. js library were used to work with data arrays. The training sample consisted of more than 1000 sets of inputs and outputs, reflecting all possible situations. The results of software implementation of an artificial neural network are described on the example of virtual players control for a computer game. The results of the work show that ANN with a sufficiently high speed in real time gives the necessary direction for the player’s movement. The use of an artificial neural network has reduced the use of CPU time, which is extremely important in problems where rapid decision making is required, because complex calculations and prediction algorithms can not always be invested in 20 ms, which is fraught with skipping moves and losses. The simulated artificial neural network and the implemented algorithm of its learning can be used to solve other problems, for which only new data of the surrounding world are needed. | en |
