آموزش هوش مصنوعی برای بازی های ساده

سرفصل ها و درس ها

نصب و راه اندازی Installation

• نصب آناکوندا Installing Anaconda

مواد را دریافت کنید Get the materials

• مواد را دریافت کنید Get the materials

• جایزه: مسیر یادگیری BONUS: Learning Path

الگوریتم های ژنتیک شهود Genetic Algorithms Intuition

• طرح حمله Plan of Attack

• DNA The DNA

• تابع تناسب اندام The Fitness Function

• جمعیت The Population

• انتخاب The Selection

• کراس اوور The Crossover

• جهش The Mutation

الگوریتم های ژنتیک کاربردی Genetic Algorithms Practical

• مرحله 1 - مقدمه Step 1 - The Introduction

• مرحله 2 - وارد کردن کتابخانه ها Step 2 - Importing the libraries

• مرحله 3 - ایجاد ربات ها Step 3 - Creating the bots

• مرحله 4 - اولیه سازی DNA تصادفی Step 4 - Initializing the random DNA

• مرحله 5 - ساخت روش متقاطع Step 5 - Building the Crossover method

• مرحله 6 - جهش های جزئی تصادفی 1 Step 6 - Random Partial Mutations 1

• مرحله 7 - جهش های جزئی تصادفی 2 Step 7 - Random Partial Mutations 2

• مرحله 8 - راه اندازی کد اصلی Step 8 - Initializing the main code

• مرحله 9 - ایجاد اولین جمعیت Step 9 - Creating the first population

• مرحله 10 - حلقه اصلی را شروع کنید Step 10 - Starting the main loop

• مرحله 11 - ارزیابی جمعیت Step 11 - Evaluating the population

• مرحله 12 - مرتب سازی جمعیت Step 12 - Sorting the population

• مرحله 13 - افزودن بهترین ربات های قبلی به جمعیت Step 13 - Adding best previous bots to the population

• مرحله 14 - پر کردن بقیه جمعیت Step 14 - Filling in the rest of the population

• مرحله 15 - نمایش نتایج Step 15 - Displaying the results

• مرحله 16 - کد را اجرا کنید Step 16 - Running the code

Q-Learning Q-Learning

• Q-Learning Intuition: Plan of Attack Q-Learning Intuition: Plan of Attack

• Q-Learning Intuition: یادگیری تقویتی چیست؟ Q-Learning Intuition: What is Reinforcement Learning?

• Q-Learning Intuition: معادله بلمن Q-Learning Intuition: The Bellman Equation

• Q-Learning Intuition: The Plan Q-Learning Intuition: The Plan

• Q-Learning Intuition: فرآیند تصمیم گیری مارکوف Q-Learning Intuition: Markov Decision Process

• Q-Learning Intuition: Policy vs Plan Q-Learning Intuition: Policy vs Plan

• Q-Learning Intuition: Living Penality Q-Learning Intuition: Living Penalty

• Q-Learning Intuition: Q-Learning Intuition Q-Learning Intuition: Q-Learning Intuition

• Q-Learning Intuition: تفاوت زمانی Q-Learning Intuition: Temporal Difference

• Q-Learning Intuition: Q-Learning Visualization Q-Learning Intuition: Q-Learning Visualization

Q-Learning عملی Q-Learning Practical

• مرحله 1 - مقدمه Step 1 - Introduction

• مرحله 2 - وارد کردن کتابخانه ها Step 2 - Importing the libraries

• مرحله 3 - تعریف پارامترها Step 3 - Defining the parameters

• مرحله 4 - مقداردهی اولیه محیط و Q-Table Step 4 - Environment and Q-Table initialization

• مرحله 5 - آماده سازی فرآیند Q-Learning 1 Step 5 - Preparing the Q-Learning process 1

• مرحله 6 - آماده سازی فرآیند Q-Learning 2 Step 6 - Preparing the Q-Learning process 2

• مرحله 7 - شروع فرآیند Q-Learning Step 7 - Starting the Q-Learning process

• مرحله 8 - دریافت تمام اقدامات قابل پخش Step 8 - Getting all playable actions

• مرحله 9 - اجرای یک عمل تصادفی Step 9 - Playing a random action

• مرحله 10 - به روز رسانی Q-Value Step 10 - Updating the Q-Value

• مرحله 11 - نمایش نتایج Step 11 - Displaying the results

• مرحله 12 - کد را اجرا کنید Step 12 - Running the code

یادگیری عمیق Q با شبکه های عصبی مصنوعی Deep Q-Learning with ANNs

• شهود یادگیری عمیق Q: طرح حمله Deep Q-Learning Intuition: Plan of Attack

• شهود یادگیری عمیق Q: مرحله 1 Deep Q-Learning Intuition: Step 1

• شهود یادگیری عمیق Q: مرحله 2 Deep Q-Learning Intuition: Step 2

• Deep Q-Learning Intuition: Replay را تجربه کنید Deep Q-Learning Intuition: Experience Replay

• Deep Q-Learning Intuition: Action Selection Policy Deep Q-Learning Intuition: Action Selection Policies

Deep Q-Learning عملی Deep Q-Learning Practical

• مرحله 1 - مقدمه Step 1 - Introduction

• مرحله 2 - مغز - وارد کردن کتابخانه ها Step 2 - Brain - Importing the libraries

• مرحله 3 - مغز - ساختن کلاس مغز Step 3 - Brain - Building the Brain class

• مرحله 4 - مغز - ایجاد شبکه عصبی Step 4 - Brain - Creating the Neural Network

• مرحله 5 - حافظه DQN - راه اندازی حافظه تکراری تجربه Step 5 - DQN Memory - Initializing the Experience Replay Memory

• مرحله 6 - حافظه DQN - یادآوری تجربه جدید Step 6 - DQN Memory - Remembering new experience

• مرحله 7 - حافظه DQN - دریافت دسته های ورودی و اهداف Step 7 - DQN Memory - Getting the batches of inputs and targets

• مرحله 8 - حافظه DQN - راه اندازی ورودی ها و اهداف Step 8 - DQN Memory - Initializing the inputs and the targets

• مرحله 9 - حافظه DQN - استخراج انتقال از تجربیات تصادفی Step 9 - DQN Memory - Extracting transitions from random experiences

• مرحله 10 - حافظه DQN - به روز رسانی ورودی ها و اهداف Step 10 - DQN Memory - Updating the inputs and the targets

• مرحله 11 - آموزش - وارد کردن کتابخانه ها Step 11 - Training - Importing the libraries

• مرحله 12 - آموزش - تنظیم پارامترها Step 12 - Training - Setting the parameters

• مرحله 13 - آموزش - راه اندازی محیط، مغز و dqn Step 13 - Training - Initializing the environment, the brain and dqn

• مرحله 14 - آموزش - شروع حلقه اصلی Step 14 - Training - Starting the main loop

• مرحله 15 - آموزش - شروع بازی Step 15 - Training - Starting to play the game

• مرحله 16 - آموزش - انجام یک اقدام Step 16 - Training - Taking an action

• مرحله 17 - آموزش - به روز رسانی محیط Step 17 - Training - Updating the Environment

• مرحله 18 - آموزش - افزودن تجربه جدید، آموزش هوش مصنوعی، به روز رسانی cur. حالت Step 18 - Training - Adding new experience, training the AI, updating cur. state

• مرحله 19 - آموزش - کاهش اپسیلون و نمایش نتایج Step 19 - Training - Lowering epsilon and displaying the results

• مرحله 20 - کد را اجرا کنید Step 20 - Running the code

یادگیری عمیق کانولوشنال Q-Learning Deep Convolutional Q-Learning

• شهود یادگیری کانولوشنال عمیق Q-Learning: Plan of Attack Deep Convolutional Q-Learning Intuition: Plan of Attack

• Deep Convolutional Q-Learning Intuition: Deep Convolutional Q-Learning Intuition Deep Convolutional Q-Learning Intuition: Deep Convolutional Q-Learning Intuition

• شهود یادگیری عمیق کانولوشنال Q-Learning: ردیابی واجد شرایط بودن Deep Convolutional Q-Learning Intuition: Eligibility Trace

Deep Convolutional Q-Learning عملی Deep Convolutional Q-Learning Practical

• مرحله 1 - مقدمه Step 1 - Introduction

• مرحله 2 - مغز - وارد کردن کتابخانه ها Step 2 - Brain - Importing the libraries

• مرحله 3 - مغز - شروع ساخت کلاس Brain Step 3 - Brain - Starting building the Brain class

• مرحله 4 - مغز - ایجاد شبکه عصبی Step 4 - Brain - Creating the neural network

• مرحله 5 - مغز - ساخت روشی که یک مدل را بارگذاری می کند Step 5 - Brain - Building a method that will load a model

• مرحله 6 - DQN - ساخت حافظه تکراری تجربه Step 6 - DQN - Building the Experience Replay Memory

• مرحله 7 - آموزش - وارد کردن کتابخانه ها Step 7 - Training - Importing the libraries

• مرحله 8 - آموزش - تعریف پارامترها Step 8 - Training - Defining the parameters

• مرحله 9 - آموزش - راه اندازی محیط مغز و DQN Step 9 - Training - Initializing the Environment the Brain and the DQN

• مرحله 10 - آموزش - ساخت یک تابع برای تنظیم مجدد وضعیت فعلی Step 10 - Training - Building a function to reset the current state

• مرحله 11 - آموزش - شروع حلقه اصلی Step 11 - Training - Starting the main loop

• مرحله 12 - آموزش - تنظیم مجدد محیط و شروع بازی Step 12 - Training - Resetting the Environment and starting to play the game

• مرحله 13 - آموزش - انتخاب یک عمل برای بازی Step 13 - Training - Selecting an action to play

• مرحله چهاردهم - آموزش - به روز رسانی محیط Step 14 - Training - Updating the environment

• مرحله 15 - آموزش - یادآوری تجربه جدید و آموزش هوش مصنوعی Step 15 - Training - Remembering new experience and training the AI

• مرحله 16 - آموزش - به روز رسانی نمره و وضعیت فعلی Step 16 - Training - Updating the score and current state

• مرحله 17 - آموزش - به روز رسانی اپسیلون و ذخیره مدل Step 17 - Training - Updating the epsilon and saving the model

• مرحله 18 - آموزش - نمایش نتایج Step 18 - Training - Displaying the results

• مرحله 19 - تست - وارد کردن کتابخانه ها Step 19 - Testing - Importing the libraries

• مرحله 20 - تست - تعریف پارامترها Step 20 - Testing - Defining the parameters

• مرحله 21 - آزمایش - راه اندازی محیط و مغز Step 21 - Testing - Initializing the Environment and the Brain

• مرحله 22 - تست حالت فعلی و بعدی و شروع حلقه اصلی Step 22 - Testing Restting current and next state and starting the main loop

• مرحله 23 - تست - بازنشانی بازی و شروع بازی Step 23 - Testing - Resetting the game and starting to play the game

• مرحله 24 - تست - انتخاب یک عمل برای پخش Step 24 - Testing - Selecting an action to play

• مرحله 25 - به روز رسانی محیط و وضعیت فعلی Step 25 - Updating the environment and current state

• مرحله 26 - کد را اجرا کنید Step 26 - Running the code

پیوست 1: شبکه های عصبی مصنوعی ANNEX 1: Artificial Neural Networks

• طرح حمله Plan Of Attack

• نورون The Neuron

• تابع فعال سازی The Activation Function

• شبکه های عصبی چگونه کار می کنند؟ How do Neural Networks work?

• شبکه های عصبی چگونه یاد می گیرند؟ How do Neural Networks learn?

• گرادیان نزول Gradient Descent

• نزول گرادیان تصادفی Stochastic Gradient Descent

• پس انتشار Back-Propagation

ضمیمه 2: شبکه های عصبی کانولوشنال ANNEX 2: Convolutional Neural Networks

• طرح حمله Plan Of Attack

• شبکه های عصبی کانولوشن چیست؟ What are convolutional neural networks?

• مرحله 1 - عملیات پیچیدگی Step 1 - Convolution Operation

• مرحله 1 (ب) - لایه ReLU Step 1(b) - ReLU Layer

• مرحله 2 - ادغام Step 2 - Pooling

• مرحله 3 - صاف کردن Step 3 - Flattening

• مرحله 4 - اتصال کامل Step 4 - Full Connection

• خلاصه Summary

• Softmax & Cross-Entropy Softmax & Cross-Entropy