深度学习在游戏中的应用

被引：20

作者：

郭潇逍 ^{[1
]}

李程 ^{[2
]}

梅俏竹 ^{[1
,2
]}

机构：

[1] 密歇根大学电子工程与计算机系

[2] 密歇根大学信息学院

来源：

自动化学报 | 2016年 / 42卷 / 05期

关键词：

深度学习; 博弈; 深度强化学习; 围棋; 人工智能;

D O I：

10.16383/j.aas.2016.y000002

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

综述了近年来发展迅速的深度学习技术及其在游戏(或博弈)中的应用.深度学习通过多层神经网络来构建端对端的从输入到输出的非线性映射,相比传统的机器学习模型有显见的优势.最近,深度学习被成功地用于解决强化学习中的策略评估和策略优化的问题,并于多种游戏的人工智能取得了突破性的提高.本文详述了深度学习在常见游戏中的应用.

引用

页码：676 / 684

页数：9

共 6 条

[1]

Deep learning in neural networks: An overview[J] . Jürgen Schmidhuber.Neural Networks . 2014

[2] Poly-logarithmic Independence Fools Bounded-Depth Boolean Circuits [J].

Braverman, Mark .

COMMUNICATIONS OF THE ACM, 2011, 54 (04) :108-115

[3] A fast learning algorithm for deep belief nets [J].

Hinton, Geoffrey E. ;

Osindero, Simon ;

Teh, Yee-Whye .

NEURAL COMPUTATION, 2006, 18 (07) :1527-1554

[4]

TD-Gammon, a Self-Teaching Backgammon Program, Achieves Master-Level Play[J] . Gerald Tesauro.Neural Computation . 1994 (2)

[5]

Technical Note: Q-Learning[J] . Christopher J.C.H. Watkins,Peter Dayan.Machine Learning . 1992 (3)

[6]

Sketch-based linear value function approximation. Bellemare M G,Veness J,Bowling M. Proceedings of the 26th Advances in Neural Information Processing Systems:NIPS . 2012

← 1 →