Minecraft 1.12 के लिए NeuralNetworkAPI प्लगइन

NeuralNetworkAPI

माइनक्राफ्ट में न्यूरल नेटवर्क जोड़ने के लिए एक बुक्किट प्लगइन।

उपयोग कैसे करें (बेसिक-डेमो)

• शुरू करने के लिए, /nn cnn या /nn createNewNN का उपयोग करके सभी न्यूरल नेटवर्क प्रकारों की सूची देखें। शुरुआत के लिए मैं LogicalOR चुनने की सलाह दूंगा
• फिर, NN को ट्रेन करना शुरू करने के लिए /nn startlearning का उपयोग करें।
• उस कमांड को भेजने के लगभग तुरंत बाद, ट्रेनिंग रोकने के लिए /nn stoplearning का उपयोग करें। इन दो कमांडों को भेजने के कुछ सेकंडों के भीतर, बॉट एक हज़ार से अधिक परिदृश्यों से गुज़र चुका होता है, और 100% सटीक होना चाहिए। (अन्य NN के लिए, आप कंसोल देखकर सटीकता जांच सकते हैं।)
• अब, इसे टेस्ट करने के लिए, /nn test का उपयोग करके दो इनपुट टेस्ट करें, या तो true या false। (उदाहरण: /nn test true false)
• LogicalOR के लिए, अगर पहला और/या दूसरा इनपुट true है तो इसे true प्रिंट करना चाहिए।

गैर-डेवलपर्स के लिए

यह प्लगइन अपने आप में कुछ नहीं देता सिवाय कुछ डेमो के जो दिखाते हैं कि यह API क्या हासिल कर सकती है। अगर आप अपना खुद का NeuralNetwork प्लगइन बनाने या इस API का उपयोग करने वाला कोई अन्य प्लगइन इस्तेमाल करने की योजना नहीं बना रहे, तो यह प्लगइन आपके लिए बेकार हो सकता है।

प्लगइन डेवलपर्स के लिए

नया न्यूरल नेटवर्क प्रकार बनाने की कोशिश करने से पहले कुछ बातें हैं जो आपको जाननी चाहिए

• उदाहरण पैकेज में NN बनाने के कई उदाहरण दिए गए हैं। लॉजिक गेट NN को समझना सबसे आसान होना चाहिए।
• डिफ़ॉल्ट रूप से, NNBaseEntity को एक्सटेंड करने वाले सभी NN अपने आप ConfigurationSerializable को लागू कर देते हैं। हालांकि, बुक्किट को कॉन्फ़िग से इन वैल्यूज़ को लोड करने में सक्षम होने के लिए, आपको क्लास के लिए इस तरह एक नया कंस्ट्रक्टर बनाना होगा:

public CustomNeuralNetwork(Map<String,Object> map){ super(map); }

...और ConfigurationSerialization क्लास को मुख्य क्लास के onEnable या onLoad में इस तरह ऑब्जेक्ट रजिस्टर करने दें:

public void onEnable(){ ConfigurationSerialization.registerClass(CustomNeuralNetwork.class); }

• इसके बाद, आपको NNBaseEntity को कॉन्फ़िग में और सेव और लोड करने में सक्षम होना चाहिए। ध्यान दें कि आप NeuralNetwork इंस्टेंस को कॉन्फ़िग में सेव नहीं कर सकते।
• आदर्श रूप से, आपके प्लगइन का कोई अन्य हिस्सा आपके कस्टम न्यूरल नेटवर्क ऑब्जेक्ट को सीधे रेफरेंस नहीं करना चाहिए। इसके बजाय, उस ऑब्जेक्ट की सभी कॉल NeuralNetwork ऑब्जेक्ट के ज़रिए की जानी चाहिए।
• सबसे अच्छे परिणामों के लिए, DeepReinformentUtil.instantaneousReinforce को केवल तब कॉल करें जब NN किसी भी तरह से फेल हुआ हो। जब यह सही वैल्यू लौटाता है तब इसे कॉल करने से यह जो पहले से सीख चुका है उसे "भूल" जाता है।
• यह API अभी भी विकास में है। इस प्लगइन के कुछ पहलू भविष्य के अपडेट में बदल सकते हैं। अपडेट के लिए github पेज को लगातार देखते रहें और सुनिश्चित करें कि आपका प्रोजेक्ट हमेशा नवीनतम वर्ज़न को रेफरेंस करता है।
• अपने NeuralNetwork को ट्रेन करते समय, अगर आप नहीं चाहते कि कंसोल डिबग संदेशों से भर जाए, तो कंसोल डिबगिंग बंद करने के लिए NeuralNetworksetBroadcasting(false); का उपयोग करें।
• अगर आपका AI वे वैल्यूज़ नहीं लौटा रहा जिनकी आप उम्मीद करते हैं, या जानना चाहते हैं कि किसी इनपुट पर आपका NN क्या "सोच" रहा है, तो आप ग्राफर खोलकर देख सकते हैं कि क्या हो रहा है। ग्राफर इंस्टेंस खोलने के लिए NeuralNetworkopenGrapher(); का उपयोग करें। काम पूरा होने पर, विंडो को ठीक से बंद करने के लिए आप NeuralNetworkcloseGrapher(); का उपयोग कर सकते हैं।
• अपने न्यूरल नेटवर्क में अधिक हिडन लेयर जोड़ने से उन पैटर्न की जटिलता बढ़ जाती है जिन्हें यह सीख सकता है।
• कुछ मामलों में, BiasNeuron होने से नेटवर्क की सीखने की क्षमता बढ़ या घट सकती है। ऐसी स्थितियों में जहां इनपुट न होने पर भी कुछ आउटपुट चाहिए (उदाहरण के लिए XNOR, NAND, Inverted), तो इनपुट में कम से कम 1 bias न्यूरॉन रखना बेहतर होता है।
• हिडन लेयर्स पर BiasNeurons होने से कुछ स्थितियों में मदद मिल सकती है या नहीं भी मिल सकती।

यह कैसे काम करता है

NeuralNetworks तीन बुनियादी घटकों से शुरू होते हैं, एक Sensory array, एक AI ऑब्जेक्ट, और एक Controler ऑब्जेक्ट।

• Sensory array इनपुट तय करता है। यह booleans हो सकते हैं, जो true या false वैल्यू दर्शाते हैं, या numbers जो इनपुट के संभावित स्टेट दर्शाते हैं।
• AI वह है जो इनपुट को आउटपुट में बदलता है। न्यूरॉन्स की एक श्रृंखला के ज़रिए, जिनमें से प्रत्येक की अपनी वैल्यूज़ और थ्रेशोल्ड होते हैं, जानकारी इस आधार पर इनपुट से आउटपुट तक पहुंचती है कि NN को कैसे ट्रेन किया गया है।
• Controler वह है जिससे आप आउटपुट को उस डेटा में बदलते हैं जिसका आप उपयोग कर सकते हैं। उदाहरण के लिए, controler आउटपुट को boolean में बदल सकता है, यह तय करते हुए कि AI ने swear filter के लिए कोई गाली शब्द पकड़ा या नहीं, या दो पूर्णांकों का योग निर्धारित कर सकता है।

GithubPage:

https://github.com/ZombieStriker/NeuralNetworkAPI

यह प्लगइन bStats का उपयोग करके आंकड़े एकत्र करता है:

Bestats केवल आपके सिस्टम आर्किटेक्चर, सर्वर वर्ज़न, और प्लगइन वर्ज़न से संबंधित जानकारी एकत्र करता है। अगर आप वाकई नहीं चाहते कि यह जानकारी भेजी जाए, तो आप कॉन्फ़िग में जाकर bstats को बंद कर सकते हैं और सेट कर सकते हैं: "enableStats" को false पर।