WikiEdge:ArXiv-2408.17180v1/terms：修订间差异
跳转到导航
跳转到搜索
Saved page by David |
Saved page by David |
||
| 第1行： | 第1行： | ||
<div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2408.17180v1/terms|action=edit}} 编辑]</div> | <div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2408.17180v1/terms|action=edit}} 编辑]</div> | ||
这篇文章的术语表如下： | |||
* [[玩家对战玩家]]（Player versus Player, PvP）：指一种游戏模式，玩家在游戏中与其他玩家竞争，而非与计算机AI对抗。 | |||
* [[在线战斗竞技场]]（Multiplayer Online Battle Arena, MOBA）：一种多人在线游戏类型，通常包含两队玩家分别控制代表他们的角色，通常称为“英雄”，并尝试摧毁对方的基地。 | |||
* [[卡牌游戏]]（Card Game）：一种使用卡牌作为主要工具的游戏，玩家通过策略性地出牌来达到游戏目标。 | |||
* [[布莱德利-特里模型]]（Bradley-Terry model）：一种统计模型，用于分析两个项目之间的竞争结果，常用于评估玩家或团队的相对实力。 | |||
* [[向量量化]]（Vector Quantization, VQ）：一种数据压缩技术，通过将连续的数值数据映射到预先定义的一组离散的代码本向量来实现。 | |||
* [[神经网络]]（Neural Network）：一种模仿人脑神经元网络结构和功能的计算模型，用于处理和解决复杂问题。 | |||
* [[标量强度评分]]（Scalar Strength Rating）：一种评估方法，通过单一的数值来表示对象或实体的强度或性能。 | |||
* [[循环优势]]（Cyclic Dominance）：在竞争或对抗关系中，存在一种循环的克制关系，如石头、剪刀、布游戏。 | |||
* [[策略熵]]（Entropy of Strategy）：在游戏理论中，用于描述策略分布的不确定性或复杂性，高熵表示策略分布更加均匀或不可预测。 | |||
* [[对抗性训练]]（Adversarial Training）：一种机器学习方法，通过模拟对手或攻击者的行为来增强模型的鲁棒性和性能。 | |||
2024年9月3日 (二) 07:44的版本
这篇文章的术语表如下：
- 玩家对战玩家（Player versus Player, PvP）：指一种游戏模式，玩家在游戏中与其他玩家竞争，而非与计算机AI对抗。
- 在线战斗竞技场（Multiplayer Online Battle Arena, MOBA）：一种多人在线游戏类型，通常包含两队玩家分别控制代表他们的角色，通常称为“英雄”，并尝试摧毁对方的基地。
- 卡牌游戏（Card Game）：一种使用卡牌作为主要工具的游戏，玩家通过策略性地出牌来达到游戏目标。
- 布莱德利-特里模型（Bradley-Terry model）：一种统计模型，用于分析两个项目之间的竞争结果，常用于评估玩家或团队的相对实力。
- 向量量化（Vector Quantization, VQ）：一种数据压缩技术，通过将连续的数值数据映射到预先定义的一组离散的代码本向量来实现。
- 神经网络（Neural Network）：一种模仿人脑神经元网络结构和功能的计算模型，用于处理和解决复杂问题。
- 标量强度评分（Scalar Strength Rating）：一种评估方法，通过单一的数值来表示对象或实体的强度或性能。
- 循环优势（Cyclic Dominance）：在竞争或对抗关系中，存在一种循环的克制关系，如石头、剪刀、布游戏。
- 策略熵（Entropy of Strategy）：在游戏理论中，用于描述策略分布的不确定性或复杂性，高熵表示策略分布更加均匀或不可预测。
- 对抗性训练（Adversarial Training）：一种机器学习方法，通过模拟对手或攻击者的行为来增强模型的鲁棒性和性能。