Hands-on reinforcement learning for games implementing self-learning agents in games using artificial intelligence techniques
Explore las técnicas de aprendizaje por refuerzo (RL) para crear juegos de vanguardia utilizando bibliotecas de Python, como PyTorch, OpenAI Gym y TensorFlow. Características principales Familiarícese con los diferentes algoritmos de refuerzo y DRL para el desarrollo de juegos. Aprenda a implementar...
| Otros Autores: | |
|---|---|
| Formato: | Libro electrónico |
| Idioma: | Inglés |
| Publicado: |
Birmingham, England ; Mumbai :
Packt
[2020]
|
| Materias: |
| Sumario: | Explore las técnicas de aprendizaje por refuerzo (RL) para crear juegos de vanguardia utilizando bibliotecas de Python, como PyTorch, OpenAI Gym y TensorFlow. Características principales Familiarícese con los diferentes algoritmos de refuerzo y DRL para el desarrollo de juegos. Aprenda a implementar componentes como agentes artificiales, mapas y niveles. y generación de audio.Obtenga información sobre la investigación de RL de vanguardia y comprenda en qué se parece a la investigación general artificial. Descripción del libro Con la mayor presencia de la inteligencia artificial en la industria del videojuego, los desarrolladores se enfrentan al desafío de crear juegos altamente receptivos y adaptables mediante la integración de la inteligencia artificial en sus proyectos. Este libro es su guía para aprender cómo varios programas de aprendizaje por refuerzo. |
|---|---|
| Notas: | Incluye índice. |
| Descripción Física: | 418 p. |
| ISBN: | 9781839216770 |
