بهبود عملکرد شبکه عصبی عمیق در تولید خودکار محتوای بازی های رایانه ای
Improving the Performance of Deep Neural Networks in Computer Game Content Generation
نویسندگان :
سهیل قدرتی ( دانشگاه سمنان ) , مرتضی دری گیو ( دانشگاه سمنان )
چکیده
تولید رویه ای محتوا برای بازی های دیجیتال به تولید محتوای بازی با استفاده از روش های الگوریتمی گفته می شود که در سال های اخیر به مبحثی مهم در بین تولیدکنندگان بازی ها و محققان در حوزه بازی تبدیل شده است. از این روش می توان برای افزایش ارزش پخش بازی، کاهش هزینه و سختی تولید بازی و کاهش فضای مورد نیاز برای ذخیره سازی بازی استفاده کرد. تحقیقات علمی در حوزه تولید رویه ای محتوای بازی ها علاوه بر مزایای مطرح شده به بررسی این می پردازد که این روش ها چگونه می توانند تجربه ی جدیدی از بازی کردن شامل انطباق پذیری سطح بازی با بازیکن را در اختیار بازیکنان قرار دهد. شبکه های عصبی عمیق تخاصمی یا به اختصار GAN قابلیت یادگیری و ساخت نمونه های جدید بر روی فضای نمونه های موجود را دارند. این روش با موفقیت نمونه های جدید شبیه به نمونه های اولیه تولید می کند. برای کنترل نمونه های خروجی آن از روش های تکاملی استفاده می شود. در این مقاله که بر روی بازی Super Mario Brosانجام شده از نمونه ای جدید از روش تکاملی ماتریس انطباقی کوواریانس همراه با تابع ارزیابی جدید برای تولید رویه ای محتوا استفاده شده است.کليدواژه ها
تولید رویه ای محتوا، ماتریس انطباقی کوواریانس، شبکه عصبی عمیق تخاصمی، بازی.کد مقاله / لینک ثابت به این مقاله
برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است :نحوه استناد به مقاله
در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:سهیل قدرتی , 1400 , بهبود عملکرد شبکه عصبی عمیق در تولید خودکار محتوای بازی های رایانه ای , هفتمين کنفرانس بين المللي بازی های رايانه ای فرصت ها و چالشها
برگرفته از رویداد
دیگر مقالات این رویداد
© کلیه حقوق متعلق به دانشگاه اصفهان میباشد.