XiaoMi-AI文件搜索系统
World File Search SystemGomoku
使用神经的Gomoku的人工智能解决方案...
该论文将Python用作编程语言，而Pytorch被选为人工智能库。人工智能的神经网络结构。神经网络的大小有限，但表现非常大。人工智能接受了总共3000次训练，以与为这项工作创建的另一个人工智能进行比赛。这不是被测试为人工智能，而是使用神经网络，而是基于算法的解决方案，而使用这种人工智能的主要原因是，它使得可以在短时间内进行大量测试。当与人类球员一起训练人类球员时，几千次比赛将需要不合理的时间。之后，人工智能接受了另外1000发的训练，可以对抗自己。
Gomoku中的高级机器学习技术
Gomoku的战略深度源于其广泛的可能举动以及具有远见和适应性的必要性。每次动作，可能的游戏状态数量呈指数增长，从而预测所有潜在的未来动作不切实际，与TIC-TAC-TOE等简单游戏形成鲜明对比。Gomoku开口的研究较少，但同样至关重要。开口通常为游戏定下基调，玩家的目标是在限制对手的选择的同时有利地定位自己。流行的开放策略包括标准，中央和边缘开口。每个人都有其优点和缺点，影响了游戏的发展。进攻性和防守动作的复杂相互作用是Gomoku中比赛中期的特征。玩家必须不断评估董事会，寻找机会创建五人一组，同时阻止对手的尝试。关键策略包括同时创建多个威胁（叉），迫使对手
MindGomoku：基于贝叶斯深度学习的在线 P300 BCI 游戏
摘要：脑机接口（BCI）技术除了有助于开发残疾人辅助产品外，还可以成为全民娱乐的一种方式。然而，大多数BCI游戏由于控制性能差或容易引起疲劳而无法广泛推广。本文提出了一款P300脑机接口游戏（MindGomoku），探索一种在实际环境中利用脑电图（EEG）信号进行游戏的可行且自然的方式。这项研究的新颖之处在于在设计BCI游戏和范例时融合了游戏规则和BCI系统的特点。此外，引入了一种简化的贝叶斯卷积神经网络（SBCNN）算法，以在有限的训练样本上实现高精度。为了证明所提算法和系统控制的可靠性，选择了10名受试者参加两次在线控制实验。实验结果表明，所有受试者均成功完成游戏控制，平均准确率为90.7%，并且平均玩MindGomoku超过11分钟。这些发现充分证明了所提系统的稳定性和有效性。该BCI系统不仅为用户（特别是残疾人）提供了一种娱乐形式，还为游戏提供了更多可能性。