摘要
为模拟人类玩家在二打一打牌过程中的拆牌规律,提出了基于深度神经网络的拆牌训练,采用基于深度学习的序列标注方法,使用大量经过标注的实战数据,采用BILSTM-CRF网络构建手牌拆牌识别网络,实现了对二打一初始手牌的拆牌目标.实验结果表明:该模型在原始数据中产生了良好的训练效果,在测试集上的准确率达到89.16％,在与传统的手牌拆分方法进行比较后印证了该方法的可靠性,为进一步对二打一初始手牌的难度评估提供了保障,也为其他非完全信息牌类博弈的手牌拆分方法提供了借鉴.
基金项目
北京信息科技大学科技项目(5212010937)
北京信息科技大学科技项目(KM201911232002)
北京信息科技大学科技项目(5112011019)
北京信息科技大学科技项目(5112011041)
国家科技期刊平台
NSTL
万方数据