• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Symposium on Virtual and Augmented Reality >Towards Playing a 3D First-Person Shooter Game Using a Classification Deep Neural Network Architecture
【24h】

Towards Playing a 3D First-Person Shooter Game Using a Classification Deep Neural Network Architecture

机译：尝试使用分类深度神经网络架构玩3D第一人称射击游戏

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this work, we present a network architecture to solve a supervised learning problem, the classification of a handwritten dataset, and a reinforcement learning problem, a complex First-Person Shooter 3D game environment. We used a Deep Neural Network model to solve both problems. For classification, we used a Softmax regression and cross entropy loss to train the network. To play the game, we used a Q-Learning adaptation for Deep Learning to train the autonomous agent. In both cases, the input was only the pixels of an image. We show that this single network architecture is suitable for the classification task and is capable of playing the 3D game. This result gives us an insight into the possibility of a general network architecture, capable of solving any kind of problems, regardless of the learning paradigm.
机译：在这项工作中，我们提出了一种网络架构，用于解决监督学习问题，手写数据集的分类以及强化学习问题，复杂的第一人称射击游戏3D游戏环境。我们使用了深度神经网络模型来解决这两个问题。对于分类，我们使用Softmax回归和交叉熵损失来训练网络。为了玩游戏，我们使用了针对深度学习的Q-Learning改编来训练自主代理。在这两种情况下，输入仅是图像的像素。我们证明了这种单一的网络体系结构适用于分类任务，并且能够玩3D游戏。这个结果使我们对通用网络体系结构的可能性有深刻的了解，该体系结构能够解决任何类型的问题，而与学习范式无关。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号