machine-learning - 如何规范视频游戏机器学习(神经网络)的输入

Question

最近，我一直在创建神经网络，计划训练它们玩我制作的游戏(神经网络可以访问所有游戏数据)。我对神经网络、遗传算法和 NEAT 实现有深入的了解。然而，我遇到的问题是将玩家所看到的输入标准化。如果我们有敌人对象、医疗包对象和武器对象，则需要对它们进行输入和区别对待。我看到了 SethBling 的视频 here ，他简要解释了如何设置该神经网络。他仅使用值 1、0 和 -1。然而，对于更复杂的游戏，这是行不通的。我尝试让一个小型模拟在输入为 0.25 < x < .75 时返回 true，否则返回 false，但是找不到解决方案。因此，我似乎不能只是将对象的 ID 扔进神经网络。非常感谢任何帮助!

Answer 1

我本来想发表评论，但不幸的是我没有足够的声誉点。所以，我有一些建议，希望能给你一些想法。我假设您使用 NEAT 算法作为游戏算法。现在，根据我收集的信息，您的问题是，由于您在游戏中需要与不同数量的实际对象进行交互，因此几乎不可能为每个帧的所有内容都贴上标签。因此，正如您似乎已经发现的那样，您需要为对象提供一个非整数域，无论是通过类总数规范化检测到的类 ID，还是使用其他方法。为了尝试实现这一目标(或避免问题)，我向您提出 3 个建议:

1:使用某种类型的图像处理(无论是分割还是阈值处理)、对象检测以及图像时刻来创建您感兴趣的对象的数据库，然后在玩游戏时，您可以重新创建一个更简单版本的实际游戏环境

2:训练语义分割神经网络以执行类似于 1 的操作

3:训练(或使用预训练的)深度卷积神经网络来提取高级特征。然后使用这些特征(以及可能的某种位置编码方法)作为 NEAT 算法的输入。然后，您的 NEAT 算法将选择它想要查看的过滤器组合以做出决定。

我想我个人会尝试选项 3，因为它在初始设置时需要最少的手动工作。

我希望这能给您一些想法。