スピーカー | 成績証明書 |
| シッダント・カルマリ | 皆さん、こんにちは。シッダント カルマリ、メイソン チェン、アーハン スラパネニです。私たちは次のことに取り組んでいます。 |
| AKQJ ゲームを実際のポーカー状況に合わせて最適化します。したがって、新型コロナウイルス感染症はメンタルヘルスに効果的ですが、既存のメンタルヘルスの問題を悪化させる可能性があります。 |
| パンデミックに伴うストレス要因、つまり病気への恐怖や愛する人を失うことは、人々の意思決定能力に影響を与え、依存症的な行動につながる可能性があります。 |
| そして、ギャンブル依存症も、オンライン ギャンブル サイトのサイト トラフィックの増加によって増加している行動の 1 つです。 |
| このプロジェクトは、ポーカー ゲームのさまざまな状況が人々が非合理的な決定を下す方法にどのような影響を与えるかを分析します。これらには、問題のあるギャンブルにつながる可能性のある状況が含まれます。私たちは、エースと絵札、つまり A、K、Q、J のみを使用するポーカーの簡略化されたモデルを開発しました。 |
| これにより、特定の勝利ハンドと呼ばれる確率が高まり、エース、キング、クイーン、ジャックを表す AKQJ と呼ばれています。 |
| このモデルの変数は、カードの価値、プレーヤーの数、ベッティング ラウンドの数、カードがオープンか非表示かどうかです。 |
| オープン カード、またはそうです...このモデルの目的は、ポーカー ゲーム全体における勝利結果の複雑な確率計算を簡素化することです。 |
| そして、現実のポーカーには複数のベッティング ラウンドがあるため、ベッティング ラウンドが異なるさまざまなポーカーのバリエーションであっても、このモデルが有効であることを証明または示すことができるという考えにこの目的を拡張します。 |
| プロジェクトの概要は次のとおりです。まず、感情的賭博と強迫的ギャンブルについて調査し、強迫的ギャンブルの危険因子は何でしょうか?人々はどのように好むのでしょうか...強迫的なギャンブラーはどのように考えているのでしょうか? |
| なぜ彼らはギャンブルをするのでしょうか？そこで私たちは、薬物中毒者と同じように、人々はスリルを求めてギャンブルをすることがわかりました。彼らは高揚感やスリルを求めて薬物を使用します。それでまた私たちは... |
| 私たちは、ギャンブルや依存症としてのギャンブルは、レビューに関与している脳のコード、または報酬システムに関与しているのと同じコードを脳内で刺激するに違いないと推測しています。 |
| そして私たちは…私たちのテクノロジーは実際のケースで隠しカードとオープンカードを使用していました。つまり、隠しカードとオープンカードは...つまり、オープンカードはプレーヤーが表向きにしておくカードであり、隠しカードは裏向きであり、プレーヤーだけがその正体を知っています。 |
| そして、2 つの別々のアルゴリズムを作成しました。包括的なアルゴリズムと最悪の場合のアルゴリズムがありました。 |
| しかし、包括的なアルゴリズムは、すべてのカードが隠されており、計算を行うのが難しいため、より複雑です。最悪の場合のアルゴリズムでは、プレーヤー...またはモデル化されたプレーヤーが推測できるように、いくつかのオープンカードがあった |
| 賭けに参加するかどうかに関係なく。これが私たちのエンジニアリング部分でした。 JMP を使用してプレーヤーのプレイ スタイルをモデル化しました。 |
| そして私たちも使いました |
| Arhan が示すように、Java と Python のプログラミングでカードの状況をランダムに生成し、確率を計算し、JMP で相関テストと回帰テストを実施しました。 |
| とても隠されています...隠されたカードと開いたカード。先ほど述べたように、オープン カードとは、プレイヤーが他のプレイヤーが見えるように表向きにしておくプレイ カードです。 |
| そして、隠されたカードは裏向きであり、その正体はプレイヤーだけが知っています。包括的なアルゴリズム。 |
| ...これは...通常、プレーヤーが確率を計算する必要がある実際のポーカー ゲームで起こることです。 |
| 現在の手札に基づいて、他の人に勝ったか、対戦相手に勝ったか。 |
| そして、包括的なアルゴリズムでは、すべてのカードが隠されており、どのプレイヤーがどのカードを持っているかがわからないため、これを行うのは困難です。そして、オープンカードにより、AKQJ ゲームの計算が容易になります。 |
| そして、ベッティングラウンドの回数に応じて、隠されたカードの数が増加します。そこで私たちが行った最初のケースは、1 ラウンドと 6 人のプレイヤーで、6 枚の隠しカードがありました。 |
| 次に、1 つのベッティング ラウンドと 5 人のプレーヤーがあり、7 枚の隠しカードがありました。 |
| 等々。 |
| 先ほど、モデルでは 6 人のプレイヤーに A ～ F のラベルが付けられていました。彼らに、賭けをする際の信頼度のパーセンテージである確率特性を割り当てました。 |
| A は 0%、B は 15%、C は 30%、D は 45%、E は 60%、F は 75% です。そして、F の確率 75% は次のことを意味します。 |
| そうでなければ...彼らがその人...対戦相手に勝つという確信が75%ない限り...少なくとも75%の確信がある場合、彼らは賭けに応じません。つまり、彼らは非常に非常に強いということです。彼らの賭けに対しては保守的です。 |
| 包括的なアルゴリズムである一般的なポーカー ケースと、最悪のケースのアルゴリズムです。 |
| 一般的な方法は計算されます。たとえば、A がポーカーの試合に勝つ確率を計算しようとしている場合、次のようになります。 |
| 一般的な方法では、A の確率は、A 対 A が勝つ確率と B に、A 対 C が勝つ確率を掛けたものを使用する必要があります。 |
| A が F に対して勝つ確率まですべてを計算します。これは計算に非常に時間がかかり、実際のポーカーの試合では面倒です。ベッティング ラウンドの時間は 45 秒から 1 分にもなり、この種の計算を実行できる人は多くないからです。一分。 |
| それで、最悪の場合...そこで私たちは最悪の場合の方法を開発しました。 |
| 最悪のケース...すべてのプレイヤーに公開されている 4 枚の共有カードと、各プレイヤーごとに 1 枚の隠しカードと 1 枚のオープン カードのうち、見えるカードでどのプレイヤーが最高のハンドを作れるかを確認することで、最悪のケースの結果を計算しました。プレーヤー。 |
| これら 2 つのアルゴリズムを 3 つの異なるケースで使用します。最初のケースは、1 つのベッティング ラウンドと 6 人のプレイヤーによるものです。私たちは、各プレイヤーがどのような場合にフォールドするか留まるか、そして勝ちまたは負けるチップの数を判断する必要があります。 |
| たとえば、A はチップを失っても残ります。 |
| ...それは私たちのモデルの 1 つで、私たちは...ギャンブルに問題があることを知っていました。 |
| B は E には勝ちますが、他の人には勝ちません。この場合Cは勝ちません。 D は B および C に勝ち、A および E と引き分けます。 |
| そして E は勝てず、F は他のすべてのプレイヤーに対してすべて勝ちます。 C と E が勝てなかったため、または B が十分に勝てなかったため、C がまったく勝てなかったため、および E がまったく勝てなかったため、すべてフォールドされることに注意してください。 |
| 次のベッティング ラウンドで彼らは負けます...彼らはチップを失います。そして、残るのは、好きな人たちです...これが 1 試合または 1 ベッティング ラウンドのポーカー マッチであることを考えると、 |
| それらは...最悪の場合の勝率が最も高いため、最も勝つ可能性が高いのは F です。前のスライドに進むと、プレーヤー A またはプレーヤーが表示されることがわかります。 |
| ...または、6 人のプレイヤーの場合、プレイヤー F の全体的なスコアは 80% に非常に近かったので、... ということは、... 間に相関関係があるということです... または、間に強い相関関係がありました |
| の |
| AKQJ 最悪の場合の方法と一般的な方法。次のケースは、1 つのベッティング ラウンドと 5 人のプレーヤーの場合です。この場合、信頼値は変化します。 |
| A は 0%、B は 12%、C は 25%、D は 38%、F は 65% です。プレーヤー E は、最も多くのチップを失い、前のラウンドでフォールドしなければならなかったために除外されました。 |
| プレイヤーが少ないこのラウンドでは、より多くの隠されたカードがあることがわかります。隠されたカードの数は、ベッティング ラウンドとプレーヤーの数に応じて増加します。 |
| 隠されたカードの数が増えると、計算時間が長くなる可能性があり、プレイヤーはお金を失う可能性があるため、より神経質になり、計算を実行したくない可能性があります。この場合、次のようにプレイヤー F は勝てませんでした。 |
| 最悪の場合の勝率はどのくらいか |
| は信頼パーセンテージより小さいため、フォールドを余儀なくされます。 |
| つまり、保守的なプレイヤーはお金をケチすぎるため、ゲームの後半でうまくいかない可能性があるということです。たとえ賭け金が高くても、彼らは正しい賭けをしません。 |
| 次のケースは 4 人のプレイヤーで、プレイヤー F が勝つかどうかを確認するためにこのテストを行いました。そして、もし F が勝てなかったとしても、自信を持って言えます。 |
| より保守的なプレイヤーはうまくいきません...ゲームの後半の段階ではうまくいきません。そして、F は勝率を下げ続けなければならないことに注意してください。 |
| また、最悪の場合のアルゴリズムが 5 人のプレイヤーに一致するかどうかもテストしました。一般的な方法では、B の勝ちの確率は 11%、D の勝ちの確率は 46%、F の勝ちの確率は 48% ～ 48% です。 |
| これは最悪の場合の値に非常に近いため、強い相関関係が得られます...R 2 乗が 0.998 の強い相関関係が得られます。 |
| したがって、この最悪のケースでは、5 人対戦では F が 50% の確率で勝利します。 |
| また、これを 4 人のプレーヤーに対してテストしました。 |
| この例では、4 人のプレーヤーの場合、F が 50% の確率で勝つことを確認します。そして 3 番目のケースは、6 人のプレイヤーによる 3 回のベッティング ラウンドです。この場合、値は同じです。 |
| E を足し直すと 56% になります。しかし、最初のラウンドでは、プレーヤーが B、C、D がフォールドするのと同じようにフォールドし始めたため、F が勝ちました。 |
| F は信頼レベルを変更する必要があります。 |
| F は、ラウンドの勝利確率に一致するように信頼レベルを変更する必要があります。 |
| F のレベルは、1 ラウンド後に 60%、2 ラウンド後に 54% に変化します。 |
| これらはモデルであるように、これには関係があります。 |
| これは非自発的なものになりますが、 |
| これは、保守的なプレイスタイルには緊張感があり、そのようなプレイヤーが後のラウンドで負ける原因となっているということを示しています。 |
| プレーヤー A と F は極端なプレー スタイルを表しており、問題のあるギャンブルを示している可能性があります。これはベッティング ラウンドの計算の簡単な概要です。 2 つのベッティング ラウンド、または 2 つのベンディング ラウンドがあるゲームでは、F が勝つのは 20 回中 2 回だけであることがわかります。 |
| その... |
| プレイヤーの可能なハンドがすべてではありません...F の可能なハンドが相手の可能なハンドに対抗するには十分ではないのと同じです。これは、2 ベッティング ラウンドと 3 ベッティング ラウンドの両方で発生します。 |
| そして、これは緊張によるもので、F の確率が高すぎたという事実によるものです。 |
| ポーカー ゲームでうまくいくための最適な戦略は、賭けに対して積極的すぎず、保守的すぎないことです。プレイヤー D のようになりましょう。 |
| プレーヤー D は 38% の確率...または 38% の確率を持っていたため、対戦相手に勝つ... という確信が少なくとも 38% なければなりません。つまり...私は...そう思います...またはこれに基づいて、その場所の周りはポーカーに適した場所です。さて、なぜこれが重要なのでしょうか? |
| また、...または、このラウンドでプレーヤー F がフォールドし、プレーヤー D が勝つことを確認するために 3 人のプレーヤーのテストも行いました。したがって、プレイヤー D は、複数のベッティング ラウンドと 6 人以上、そして 6 人未満のプレイヤーを擁するこのポーカー モデル、つまり AKQJ ポーカー モデルにおいておそらく最良の戦略を持っていると言えます。 |
| また、検討するために、または F が勝てないことを示すために、2 つのベッティング ラウンドも行いました。 |
| これは、F の負けの結果がベッティング ラウンド全体を通じて維持されるかどうかをテストするために行った別のケースです。私たちはこれを 3 回のベッティング ラウンドと 4 人のプレイヤーで行いました。 |
| さて、なぜこれが重要なのでしょうか?私たちは以前、プレイヤーが最悪のケースなどの単純な計算を実行して、負けているハンドにも賭けたいという衝動をコントロールできることを示しました。 |
| ギャンブル依存症の人は、賭けに対して非常に積極的で、お金を失っているとわかっていても、わずかな期待を込めて、勝てるかもしれない、儲かるかもしれないと賭けてしまうことがあります。大勝利。 |
| ギャンブル依存症の人は、賭けに対して非常に積極的で、お金を失っているとわかっていても、わずかな期待を込めて、勝てるかもしれない、儲かるかもしれないと賭けてしまうことがあります。大勝利。 |
| これは感情的な賭け方であり、ギャンブラーの誤謬の罠にはまってしまいます。たとえば、運がよければ、あるいは不運が続いていれば、次回は幸運に恵まれると考えるというものです。 。 |
| ポーカー マッチでプレーヤーが減り、ベッティング ラウンドが増えるというこれらの新たなケースは、たとえ最も合理的なプレーヤーであっても、プレーヤーに緊張感をもたらすという考えをもたらしました。それで、F、 |
| 6 人のプレーヤーの計算に 1 つのベッティング ラウンドで、プレーヤーは... ご覧のとおり、そのプレーヤーには経験があるか、... またはそのプレーヤーは待つことができ、優れた戦略を立てることができました。あるいは彼女、すみません。 |
| これは...これを実際のポーカー ゲームに適用することができます。なぜなら、人間の場合、副交感神経系がアドレナリンのようなストレスの多いホルモンを体内に放出するからです。 |
| 闘争または逃走反応を引き起こします。ポーカー ゲームのような一か八かの状況に陥ったとき、 |
| そうすれば、あなたはそれを知っています...あなたは表面的なレベルで何が危険にさらされているかを知っています、あなたはあなたのお金とあなたの資産が危険にさらされていることを知っています、 |
| あなたはそれに賭けてそれを増やそうとするでしょう。それはまさに人間の本質的な性質です。このポーカー ゲーム中は、理性的で実行機能に関与する前頭前野ではなく、感情を制御する脳の領域である扁桃体に多くの帯域幅が与えられます。 |
| そのため、ラウンドに隠されたカードが増えるほど、プレイヤーは自分のベットに対してより緊張し、より悪いベットをする可能性があります。 |
| たとえ彼らがポーカーの経験が豊富であっても。 |
| そして、この緊張は、リスク計算とスリルを求めてギャンブルするという概念に基づいた、強迫性ギャンブル障害の盲目的な賭けの性質と相関している可能性があります。 |
| そして私たちの結論は、F またはプレーヤー F のような過度に保守的なプレーヤーは、現実的なポーカー状況ではそれほどうまくいかない可能性があるということでした。つまり、最も優れているのは、保守的な側にいますが、通常の非常にケチなプレイヤーよりも積極的に賭けるということです。 |
| そして、プレイヤーが基本的な統計計算を理解し、ゲームでそれを使用できれば、ギャンブル障害は軽減される可能性があるということをここで理解してください。 |
| そして |
| 将来の研究は、実際には将来ではありません。それは起こるでしょう、あるいはその研究はすでに行っています。私たちは Python を使用してより信頼性の高いデータを取得するつもりであり、それが Arhan のプレゼンテーションで示されることです。ご清覧ありがとうございました。 |
| アーハン・スラパネニ | カジノの中心地であるラスベガスには、毎年何百万人もの人々がパーティーや贅沢を楽しむために訪れますが、 |
| 最も重要なことはギャンブルです。 |
| ギャンブルは、賞金の成功という誤った報酬を形成しますが、依然として経済的および社会的闘争の暗い落とし穴を隠しています。 |
| 私たちの世代は、テクノロジーの進歩が急速に標準となり、コンピュータープログラミング言語が現代世界で繁栄するために必要な主題となっているため、近代化が進んでいます。 |
| 最新のコンピューター プログラミング ツールや???を利用することで、私たちは彼らのこの心理的問題をより深く調査し、それらを解決するのに役立つツールを分析することができます。 |
| これは、著者のシッダント・カルマリ、メイソン・チェン、サローニ・パテルとともに、アドバイザーであるチャールズ博士の尊敬される協力を得て行われました。そして ？？？。 |
| 前述したように、年間何百万人もの人々がカジノに通い、多くの人口に影響を与えています。 |
| これほど大きなサンプルサイズに影響を与える問題の場合、最も重要な問題の 1 つは、ギャンブルの問題に対する解決策をどのように表現するか、またこれをどのように効率的に行うかということです。 |
| シッダント氏のプレゼンテーションを通じて、私たちは独自の手法について多くのことを学びました |
| これらはギャンブルの説明に役立つと同時に、ギャンブルに関する経済的な誤った名称も提示し、良い結果を得るためにゲームの運に依存するのではなく、冷静に慎重になることが最良の結果をもたらすことを証明しています。 |
| これらはすべて Java を通じて実行されました。ただし、この方法では 92 回実行するだけで 30 時間かかります。これは効果がなく、使用できません。ただし、Python を使用すると、この時間が数秒に短縮されると同時に、より高いレベルの複雑さが可能になり、メソッド全体にとって有益になります。 |
| 要約すると、この方法には 6 人のプレイヤー モデルが必要で、各プレイヤーが AKQJ の 16 パックに含まれる 2 枚のカードを受け取ります。 |
| カードのうち 1 枚が隠されており、4 枚のカードがテーブルに置かれます。各プレーヤーには自信レベルがあり、どのくらいの頻度でフォールドするか、プレイを継続するかを決定します。 |
| プレイを継続すると 3 ポイントが失われ、フォールドでは 1 ポイントだけが失われます。これは、盲目的なギャンブルから慎重な戦略家まで、さまざまなプレーヤーをモデル化する目的で行われます。 |
| 通常、大規模な実験を行う場合、生成されたデータを使用できるように適切な量でテストを実行するのは非常に面倒で時間がかかります。 |
| 効率的な代替方法は、コンピューター プログラミングを使用することです。具体的には、モンテカルロ シミュレーションでコンピューター言語 Python を使用します。モンテカルロ シミュレーションは、数値結果を含むランダムなサンプリングの繰り返しに依存する広範なクラスの計算アルゴリズムとして定義されます。 |
| この図で適用されている Java プログラムは非常に効率的ではありません。ランダムな 2 つのサンプルしか許可されず、特定のシーケンスを個別に抽出するプロセスは困難です。 |
| より大きなデータセットを導出しようとしている場合、これを変更することが重要です。言語間の一般的な違いを分析し、 |
| Java はコンパイル言語で静的に型付けされているのに対し、Python はインタープリタ型言語で動的に型付けされているということを識別することが重要です。この 1 つの違いにより、Java の実行時間が速くなり、デバッグが容易になります。 |
| しかし、Python の方が使いやすく、読みやすいです。 |
| Python は、洗練された構文を備えたインタプリタ言語でもあるため、多くの分野でスクリプト作成や迅速なアプリケーション開発に非常に優れたオプションとなります。これを応用したのが以下の方法である。 |
| 私たちが注目する必要があるのは、52 枚の完全なカード セットである AKQJ 16 カードに適用される新しいランダマイザーです。 |
| モデルにより、統計の精度が向上します。特にモンテカルロ シミュレーションを使用する場合のレンダリング。 |
| Python を使用してキャラクターを追加できる利点の 1 つです。 Siddhant が取り上げたように、賭け金を使用できるようになりました。 |
| 2 つのカードに異なる信頼レベルを手動で適用する代わりに ???ランダム化されているため、モンテカルロ法を使用して、賭け金を追加または削除する能力に関する特定のパーセントのしきい値に基づいてさまざまな選択を行うことができます。これについては後で説明します。 |
| まず、デッキについて話すことが重要です。ここでは、シャッフル機能を備えた 16 枚のカード配列を示します。これにより、カードがランダム化されます。 |
| Java プログラムで見られる初期関数に似ています。 |
| これにより、さまざまなプレイヤーの合計 16 枚のカードから 2 枚のカードが引き出されます。これを念頭に置くと、元の包括的な手法と最悪の場合の手法の両方に広範な応用が可能になります。これについては後で取り上げ、開発します。 |
| ???同じデッキを使用すると、最終目標に役立つ最悪の場合の方法の計算方法に影響を与える変更を追加したり、物事を移動したりすることができます。 |
| 古い JAVA メソッドには同じ柔軟性がありません。最悪の場合のメソッドに対する Python 固有の変更には、特定の elif/if が含まれます |
| ステートメントにより、最も悪いカードを持ったプレイヤーが負けとして表示され、Siddanth がカバーする公式が変更されました。これにより、より効率的に作業が可能になるため、これは重要です。 |
| データ収集の効率が向上し、ランダマイザーの出力がより正確になる可能性が高くなります。これらの個別のカードに特定の名前を追加できますが、これ自体も便利なアプリケーションです。 |
| この簡素化されたモンテカルロ シミュレーションにより、次のようなシナリオに基づいて新しい賭けを追加できるため、より複雑になります。 |
| シッダンス氏が説明した複数の賭けラウンド。現在の賭け金を変更することでキャラクターを変更できます。これは、プレイヤーがベッティング ラウンドに留まるか退場するかに影響します。これが Java メソッドとの主な違いです。 |
| このプログラムの概念は、最終的にファンドに値を返し、賭け金を最初の賭け金引数に返す変数を設定することに関係しています。 |
| 現在の賭け金をゼロに送信して、現在の賭け金が count に等しくなるまで条件を継続的に実行する while ループを設定します。 |
| 次に、成功した結果が得られた各セットについて、賭け金によって価値を増やします。 |
| 私たちまたはキャラクターに特定の賭け金で速度を下げるように指示するコマンドを追加すると、賭け金のしきい値を設定する簡単な方法が得られます。 |
| 同じフォームを編集して、フルハウスなどの特定のシーケンスを受け入れ、そのシーケンスが存在する場合にのみ賭けを許可することもできます。これらのしきい値により、上で述べたリスク管理レベルが作成されます。 |
| ??? で確率をプロットできます。更新された各現在の賭け金を X 値の配列に追加し、更新された各値を Y 値の配列に追加し、両方の PLT(?) をプロットして X 値と y 値をプロットします。 。 |
| より優れた関数の重要なコンポーネントは、成功した結果に対応する if ステートメント内の条件 if... です。これはどんなものにも適応できます |
| 一般的なシナリオと最悪のシナリオを含む結果が必要です。 |
| 2 文字と複数文字の比較を適用する場合、データが適切に比較されていることを確認する重要なステートメントを追加できます。 |
| Python を使用すると、2 つのペアのように描画したり、より高い値の代わりに、より低い値のプレイヤーを除外してゲームから強制的に排除したりすることができます。これにより、元の Java プログラムを使用するよりも、新しい Python プログラムを使用することで効率が向上します。 |
| 本来は 30 時間かかる作業が、今では数秒で完了します。 |
| このプログラムを適用すると、新しい結果と元の Java の結果との相関テストを実行できるようになります。一般的な方法と最悪の場合の方法の両方の赤い線を見ると、次のことがわかります。 |
| それらは 1 に非常に近く、強い相関関係があることを示しています。 |
| これは、より高い R 二乗値とも組み合わされます。また、1 比例仮説検定も実行し、どちらの方法でも帰無仮説を棄却できなかったことを示します。 |
| この値は、高いですが、1 には近づきません。1 には近づきません。これはコンピュータープログラミングであるため、ほぼ同じであると予想されるものについては。 |
| これには主に 2 つの理由があり、1 つ目はサンプル サイズです。 92 は多いように思えますが、強くはありません...予想されるほど強い傾向ではありません。 |
| これを修正するには、サンプル サイズを 1,000 または 10,000 まで増やすことができます。もう 1 つの理由は、Python のアプリケーションである可能性があります。前述したように、Python は静的言語ではなく、より包括的な言語です。これにより効果が変わる可能性がありますが、ほとんどは同じままです。 |
| ここでは、プログラムが最終的に適用され、結果が表示されていることがわかります。このプログラムでは、各プレイヤーが何をプレイするか...各プレイヤーがカードでどのカードを引くか...を確認します。 |
| どのカードが表示され、どのカードが隠されているか、テーブルにどのようなカードがあるか、プレイヤーが得るチップと失うチップの数、そして最後に誰が勝つのか、どのように勝つのか。下の図では、プレイヤー 1 がフルハウスで勝利したことがわかります。 |
| 複数の文字を 1 つのコンピュータおよび 1 つの関数に実行し、適用中にさまざまなシーケンスを記述する機能 |
| プレイヤーの数が異なり、異なる結果の確率も示され、通常のポーカー ゲームでの複数回の賭けも追加されます。これについては Siddanth が取り上げています。 |
| これにより、世界中の人々がこのプログラムと手法を使用できるようになるため、さらなる開発には不可欠です。 |
| ギャンブル依存症に対する治療として利用できる学習ツールとしてのアイデアを発展させること。 |
| もう 1 つの開発では、ニューラル ネットワーク (AI) の側面を活用し、ブラフなどの機能を追加することでこのプログラムをより詳細にし、プログラムをカジノで見られる実際のゲームに近づけるのに十分な機能を追加しました。 |
| 最後に、Python を使用することで精度が向上するだけでなく、効率もさらに向上することがわかり、最終的には慎重であるという当初の仮説が証明されました。 |
| より多くのお金とより多くの勝利をもたらし、当初は数時間かかっていたプログラムをわずか数秒で完了させます。 |
| したがって、次回ラスベガスに行くとき、あるいは友達とゲームに参加するときは、このプロジェクトを思い出してください。そして、より注意深く、意思決定にもう少し時間をかけることが、長期的には役立つことを覚えておいてください。 |
| ありがとう。 |
