/// <summary>
/// Aktualizuje wejscia po kolejnej rundzie gry
/// </summary>
/// <param name="AIDecision">własna decyzja</param>
/// <param name="opponentDecision">decyzja przeciwnika</param>
public void updateInputs(Decision AIDecision, Decision opponentDecision )
{
//przesuwamy wejscia w prawo
double[] oldInputs = new double[inputs.Length];
inputs.CopyTo(oldInputs, 0);
for (int j = 3; j < inputs.Length; ++j)
inputs[j] = oldInputs[j - 3];
//dopisujemy nowe wejscia
for (int j = 0; j < 3; ++j)
{
inputs[j] = AIDecision.ToNeural()[j];
inputs[j + inputs.Length / 2] = opponentDecision.ToNeural()[j];
}
}
/// <summary>
/// Funkcja odpowiedzialna za proces nauki
/// </summary>
/// <param name="AIDecision">decyzja podjeta przez siec</param>
/// <param name="opponentDecision">decyzja przeciwnika</param>
public void updateWeights(Decision AIDecision, Decision opponentDecision)
{
Decision expectedDecision = opponentDecision.GetCounter(); //decyzja, ktora powinnismy podjac
if (expectedDecision == AIDecision)
return; //i tak sie wagi nie zmienia, wiec konczymy funkcje od razu
double[] desiredOutput = expectedDecision.ToNeural();
double[] currentOutput = AIDecision.ToNeural();
for (int i = 0; i < outputs.Length; ++i)
{
double diff = (desiredOutput[i] - currentOutput[i]) * learningRate; //obliczamy poprawke
for (int j = 0; j < inputs.Length; ++j)
weights[i, j] += diff * inputs[j]; //wprowadzamy poprawke do wag sieci
}
if (minLearningRate < learningRate - learnigEnstinguishRate)
learningRate -= learnigEnstinguishRate;
}