مریم قاسمی - دانشجو کارشناسی ارشد، گروه مهندسی برق، دانشکده انرژی، دانشگاه صنعتی کرمانشاه، کرمانشاه، ایران
غلامحسین روشنی - استادیار، گروه مهندسی برق، دانشکده انرژی، دانشگاه صنعتی کرمانشاه، کرمانشاه، ایران
عبدالرضا روشنی - استادیار، گروه مهندسی صنایع، دانشکده مدیریت مهندسی، دانشگاه صنعتی کرمانشاه، کرمانشاه، ایران

بازی های رایانه ای در جهان به عنوان یک ابزار سرگرمی، یک رسانه پرمخاطب، یک راهکار اثربخش آموزشی و یکاقتصاد بزرگ، پدیده مهمی محسوب می شود. در این مقاله، از شبکه عصبی مصنوعی پرسپترون چند لایه (MLP) برایتشخیص الگوی رفتاری انسان در بازی سنگ، کاغذ، قیچی استفاده شده است. شباهت شبکه های عصبی مصنوعی(ANNs) به مغز انسان انگیزه ی اصلی این تحقیق است. به منظور پیاده سازی کدهای شبکه از نرم افزار MATLABاستفاده شده است. این کدها از دو فاز تشکیل شده اند: 1) آموزش ANN برای یادگیری الگوی رفتاری انسان با در نظرگرفتن چهل مسابقه. 2) بازی واقعی در برابر انسان با انجام ده مسابقه. پس از پیاده سازی شبکه، اثر بخشی آن درتشخیص الگوی رفتاری انسان بررسی شد. این شبکه روی 40 نفر (20 زن و 20 مرد) تست شد. هرکدام از بازیکنان طیسه مرحله با شبکه ی مورد نظر بازی کردند. نتایج این مطالعه نشان میدهد، درصد برنده شدن کامپیوتر با شبکه عصبیMLP طراحی شده در مردان برابر با 57/5% و در زنان برابر با 60/8% می باشد. در حالی که درصد برنده شدن کامپیوتر بدون شبکه عصبی و با انتخاب های کاملا تصادفی در 60 بازی صورت گرفته در بین مردان برابر با 52/5% و یا همین تعداد بازی در بین زنان برابر با 42/5% است.

شبکه عصبی مصنوعی، پرسپترون چندلایه (MLP)، بازی سنگ، کاغذ، قیچی، تشخیص الگوی رفتاری انسان، بازیکن هوشمند