一种用于大菠萝扑克首轮摆法的卷积神经网络结构模型制造技术

本发明专利技术公开了一种用于大菠萝扑克首轮摆法的卷积神经网络结构模型，所述卷积神经网络结构模型由输入层、隐藏层和输出层三部分组成，首先将手牌信息和牌桌信息经过数据预处理后输入卷积神经网络结构模型的输入层，经隐藏层处理后由输出层输出结果，输出结果根据数据预处理的处理规则，反向处理后输出大菠萝扑克首轮5张牌的摆放位置。本卷积神经网络结构模型对59万条训练用例的匹配度达到了98％，对12万条测试用例的匹配度达到了92％，可为研究机器博弈技术的研究者及科研机构提供一条可行的研究方向以及一个具体的成功样本。

A convolution neural network model for the first round pendulum of big pineapple Poker

The invention discloses a method for large round pineapple pendulum method structure of convolutional neural network model, the structure of convolutional neural network model consists of input layer, hidden layer and output layer is composed of three parts, first hand information and table information after the data preprocessing of input layer convolution neural network structure model, the the hidden layer treated by the output layer output, output according to the rules of data preprocessing, reverse processing output big pineapple round 5 card position. The convolutional neural network structure model of 590 thousand training cases matching degree reached 98%, on the 120 thousand test case matching degree reached 92%, researchers for the study of computer game technology and research institutions to provide a feasible research direction as well as a specific success like this.

【技术实现步骤摘要】
一种用于大菠萝扑克首轮摆法的卷积神经网络结构模型
本专利技术涉及人工智能与机器博弈
，具体涉及一种用于大菠萝扑克首轮摆法的卷积神经网络结构模型以及其与大菠萝扑克的连接方法。
技术介绍
当AlphaGo与Master在围棋圈大杀四方时，Libratus以绝对优势在“一对一无限注德州扑克”中战胜了人类职业玩家。纵观历史，在完全信息博弈领域里，人工智能已建树颇丰，如国际象棋的“深蓝”，围棋的“AlphaGo”等，但对于非完备信息博弈，人工智能一直处于低谷状态。而Libratus的出现无疑给人工智能界打了一针强心剂，证明AI在非完备信息博弈中还是有机会甚至能超过人类的。非完备信息博弈的应用很多，因为现实世界的情形大多类似于此，包括商业谈判，信息安全等。而对于人工智能界来说，通用人工智能(AGI)是他们一直以来的追求，其不像Libratus或者AlphaGo那样只能专注于扑克或围棋领域，通用人工智能可以解决任意一个问题。想要实现AGI就得让AI学会解决不确定性问题，而这即是非完备信息博弈。对于目前非完备信息博弈方面的研究，国内外以德州扑克为主要热点，并不断在此领域得到突破，而作为德州扑克本文档来自技高网...

【技术保护点】
一种用于大菠萝扑克首轮摆法的卷积神经网络结构模型，其特征在于：所述卷积神经网络结构模型由输入层、隐藏层和输出层三部分组成，首先将手牌信息和牌桌信息经过数据预处理后输入卷积神经网络结构模型的输入层，经隐藏层处理后由输出层输出结果，输出结果根据数据预处理的处理规则，反向处理后输出大菠萝扑克首轮5张牌的摆放位置。

【技术特征摘要】
1.一种用于大菠萝扑克首轮摆法的卷积神经网络结构模型，其特征在于：所述卷积神经网络结构模型由输入层、隐藏层和输出层三部分组成，首先将手牌信息和牌桌信息经过数据预处理后输入卷积神经网络结构模型的输入层，经隐藏层处理后由输出层输出结果，输出结果根据数据预处理的处理规则，反向处理后输出大菠萝扑克首轮5张牌的摆放位置。2.根据权利要求1所述的一种用于大菠萝扑克首轮摆法的卷积神经网络结构模型，其特征在于，所述数据预处理的具体过程为：将摆放好的大菠萝扑克的摆牌位置用数字代替，头道设为2，中道设为1，尾道设为0，将摆牌位置以数字表示出来后用三进制进行编码，并将三进制编码中不会出现的7种摆法排除后并将后位前移，所述不会出现的7种摆法为：22202、对应三进制编码236；22122、对应三进制编码233；22022、对应三进制编码224；21222、对应三进制编码215；20222、对应三进制编码188；12222、对应三进制编码161；02222、对应三进制编码80；最终生成范围为0-231的232种摆法。3.根据权利要求1所述的一种用于大菠萝扑克首轮摆法的卷积神经网络结构模型，其特征在于：所述输入层为7个17×17的0-1矩阵，第1个矩阵存储第一张手牌的信息，第2个矩阵存储第二张手牌的信息，第3个矩阵存储第三张手牌的信息，第4个矩阵存储第四张手牌的信息，第5个矩阵存储第五张手牌的信息，第6个矩阵存储第一张手牌至第五张手牌全部信息的总和，第7个矩阵存储牌桌上敌人已亮牌的信息。4.根据权利要求1所述的一种用于大菠萝扑克首轮摆法的卷积神经网络结构模型，其特征在于，所述隐藏层的具体结构从左至右依次为：第一层卷积层，卷积核...

【专利技术属性】
技术研发人员：陈怀臻，韦佳，张加佳，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44