NeuralNetworkAPI Плагін для Minecraft 1.12

NeuralNetworkAPI

Bukkit-плагін для додавання нейронних мереж у Minecraft.

Як користуватися (базова демонстрація)

• Для початку скористайтеся /nn cnn або /nn createNewNN, щоб побачити список усіх типів нейронних мереж. Радив би почати з LogicalOR
• Потім скористайтеся /nn startlearning, щоб почати тренування нейронної мережі.
• Майже одразу після надсилання цієї команди скористайтеся /nn stoplearning, щоб зупинити тренування. За секунди після надсилання цих двох команд бот опрацює понад тисячу сценаріїв і має бути точним на 100%. (Для інших нейронних мереж точність можна перевірити в консолі.)
• Тепер, щоб перевірити її, скористайтеся /nn test, щоб протестувати два входи, true або false. (наприклад: /nn test true false)
• Для LogicalOR вона має вивести true, якщо перший і/або другий вхід є true.

Для не-розробників

Сам по собі цей плагін не дає нічого, крім кількох демонстрацій того, чого може досягти цей API. Якщо ви не плануєте розробляти власний плагін NeuralNetwork або використовувати інший плагін, який застосовує цей API, цей плагін може бути для вас марним.

Для розробників плагінів

Є кілька речей, які вам варто знати, перш ніж намагатися створити новий тип нейронної мережі

• Пакет прикладів дає чимало прикладів того, як створювати нейронні мережі. Нейронні мережі логічних вентилів мають бути найлегшими для розуміння.
• За замовчуванням усі нейронні мережі, що розширюють NNBaseEntity, автоматично реалізують ConfigurationSerializable. Однак, щоб Bukkit міг завантажувати ці значення з конфігу, вам потрібно створити новий конструктор для класу ось так:

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

...і дозволити класу ConfigurationSerialization зареєструвати об'єкт у onEnable або onLoad головного класу ось так:

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

• Після цього ви маєте змогти зберігати та завантажувати NNBaseEntity у конфіг і з конфігу. Зауважте, що ви не можете зберегти екземпляр NeuralNetwork у конфіг.
• В ідеалі жодна інша частина вашого плагіна не повинна напряму посилатися на ваш власний об'єкт нейронної мережі. Натомість усі виклики до цього об'єкта мають відбуватися через об'єкт NeuralNetwork.
• Для найкращих результатів викликайте DeepReinformentUtil.instantaneousReinforce лише тоді, коли нейронна мережа будь-яким чином помилилася. Виклик, коли вона повернула правильне значення, зазвичай змушує її "забути" те, що вона вже могла вивчити.
• Цей API ще в розробці. Деякі аспекти цього плагіна можуть змінитися в майбутніх оновленнях. Постійно перевіряйте сторінку github на оновлення та переконайтеся, що ваш проєкт завжди посилається на найновішу версію.
• Під час тренування вашої NeuralNetwork, якщо ви не хочете, щоб консоль заповнювалася повідомленнями зневадження, скористайтеся NeuralNetworksetBroadcasting(false);, щоб вимкнути зневадження в консолі.
• Якщо ваш ШІ не повертає значень, які ви очікуєте, або ви хочете знати, що ваша нейронна мережа "думає" за заданого входу, ви можете відкрити графер, щоб побачити візуалізацію того, що відбувається. Скористайтеся NeuralNetworkopenGrapher();, щоб відкрити екземпляр графера. Коли закінчите, можете скористатися NeuralNetworkcloseGrapher();, щоб належно закрити вікно.
• Додавання більшої кількості прихованих шарів до вашої нейронної мережі збільшує складність шаблонів, яких вона може навчитися.
• У певних випадках наявність BiasNeuron може збільшити або зменшити здатність мережі до навчання. У ситуаціях, коли певні виходи потрібні, якщо входів немає (наприклад, XNOR, NAND, Inverted), краще мати принаймні 1 нейрон зсуву серед входів.
• Наявність BiasNeurons на прихованих шарах може допомогти або не допомогти в певних ситуаціях.

Як це працює

NeuralNetworks починаються з трьох базових компонентів: масиву Sensory, об'єкта AI та об'єкта Controler.

• Масив Sensory визначає входи. Це можуть бути булеві значення, що представляють true або false, або числа, які представляють можливі стани для входу.
• AI — це те, що перетворює входи у виходи. Через низку нейронів, кожен зі своїми значеннями та порогами, інформація передається від входу до виходів залежно від того, як навчена нейронна мережа.
• Controler — це те, як ви перетворюєте виходи в дані, які можете використовувати. Наприклад, controler може перетворити виходи в булеве значення, визначаючи, чи AI виявив лайливе слово для фільтра лайки, або визначаючи суму двох цілих чисел.

Сторінка Github:

https://github.com/ZombieStriker/NeuralNetworkAPI

Цей плагін збирає статистику за допомогою bStats:

Bestats збирає лише інформацію про архітектуру вашої системи, версію сервера та версію плагіна. Якщо ви справді не хочете, щоб будь-яка з цих даних надсилалася, ви можете вимкнути bstats, зайшовши в конфіг і встановивши: "enableStats" у false.