پروژه ای در ارتباط با یادگیری ماشین و هوش مصنوعی تو این پروژه سعی کردم آتاری بازی کردن رو به مدل شبکه عصبی یاد بدم
البته هوش مصنوعی فقط می تونه بازی من رو تقلید کنه، یعنی اول خودم بازی رو انجام می دم و از محیط بازی و کلیدهایی که می زنم عکس تهیه می کنه و مرحله بعد شروع میکنه به یادگیری بر اسا عکسهای ذخیره شده.
این پروژه برای سیستم عامل ویندوز طراحی شده و بخش ذخیره تصاویر با ویژوال بیسیک 6 نوشته شده. بخش دوم که یادگیری و مدل کردن شبکه عصبی هستش با استفاده از پایتون انجام شده
فولدر atari2600 مربوط به امولاتور بازی آتاری هستش که توسط stella طراحی شده و 6 تا رام بازی آتاری به همراش قرار گرفته. فولد prjKeyScreen هم با زبان وی بی 6 طراحی شده و تصاویر بازی رو دداخل فولدر data قرار میده که در مرحله بعد باید این تصاویر resize بشه و به تصویر خاکستری تبدیل بشه
کاربر باید برنامه شبیه ساز رو اجرا کنه و همزمان برنامه prjKeyScreen.exe رو هم اجرا کنه تا تصاویر محیط بازی بازیکن رو ذخیره کنه
مرحله بعد باید برنامه prepare.py اجرا بشه تا تصاویر ذخیره شده در مرحله قبل resize و gray بشه و به صورت ماتریس ذخیره بشه بعد از این مرحله باید تصاویر ذخیره شده داخل فولدر data رو پاک کنید
مرحله بعد هم مرحله train هستش که با برنامه train.py انجام میشه
سر آخر هم میتونید با برنامه play.py نتیجه رو ببینیند.
تعداد تصاویر ذخیره شده و نحوه بازی بازیکن اولیه به شدت روی نتایج تاثیرگذاره. البته که این روشدر مقایسه با روشهای یادگیری تقویتی مثل DQN یا A3c کارایی کمتری داره ولی اینجا و تو این پروژه هدف پیش بینی و تقلید حرکات بازیکنا در بازی آتاری هستش نه بهترین روش برای بازی. در واقع تو این پروژه میتونیم حرکات بازیکنها در موقعیتهای مختلف رو پیش بینی کنیم.
متاسفانه مدل_ ConvLSTM2D فعلا کاملا آماده نیست و با همکاری شما میتونه تکمیل بشه._