Neuroverkot pokerissa

Abstract

Tässä opinnäytetyössä käydään läpi sekä pokeria että neuroverkkoja koskevaa teoriaa. Pokerin ja neuroverkkojen perusteiden lisäksi keskustellaan tavallisen pelaajan profiloinnista, neuroverkkojen itsensä suunnittelusta, opettamisesta, painotuksesta, ja pokerissa panostamisesta. Esille myös tuodaan suunniteltu malli, jonka pohjalta olisi mahdollista lähteä kokoamaan neuroverkkoa, joka kykenisi pelaamaan pokeria. Lopulta mallin parannusmahdollisuuksia ja työn puutteita käydään läpi. Työn tuloksena aikaiseksi saatiin kolmen neuroverkon kokonaisuus, missä neuroverkkojen yhteiset ulostulot ohjaavat pokerin pelaamista. Koulutusta varten jokaista neuroverkkoa on useampi kappale ja kaikki ne suorittavat päätökset pelaamisesta enemmistöäänellä. Pokeri osoittautui sopivaksi alustaksi neuroverkon suun-nittelua varten ja työstä nousi osa-alueita mitä voidaan parantaa tulevaisuudessa.

This thesis is focused on combining poker theory and neural networks. The thesis handles the topics of designing, training, and weighing neural networks. In addition to the basics of poker, it discusses profiling the average poker player, and betting in poker. Also, the designed model will be highlighted, through which it would be possible to assemble a working neural network, that is able to play poker. Finally,possible improvements and shortcomings in the project will be discussed. This thesis resulted in a design for a group of three neural networks, linked together to make decisions in a poker game. The networks benefit from ensemble learning and make decisions as a group. Poker turned out to be a good base for designing a neural network, and in making this work several areas of improvement were also highlighted.