인공지능은 다양한 분야에서 사람을 대신하여 성과를 보여준다. 게임 분야에서도 인공지능은 다양한 방면으로 사용된다. NPC(Non Player Character) 제작, 게임 난이도, 콘텐츠 생성 등의 분야에서 활용되고 있다. 그러나 게임에서 사용되는 인공지능은 우수한 성과를 보여주며 사람을 이기기 위해 연구된다. 우수한 인공지능 모델이 게임에 존재하여 게임의 난이도가 상승하게 되면 플레이어가 게임에 흥미를 잃는 경우도 있다. 따라서 본 논문의 목적은 사람과의 대결이 아닌 사람을 서포트 하는 인공지능의 개발이다. 현재 모바일 시장의 게임에는 자동 사냥 시스템이 존재한다. 게임에서 이 시스템은 난수 방식을 사용하기 때문에 효율이 떨어진다. 그러므로 본 논문에서는 병렬구조의 DNN 모델을 사용하여 효율적인 자동 사냥 시스템을 구축한다. 새로 구축한 모델과 기존에 사용하던 난수 방식의 모델을 게임을 통해 비교한다.

Concrete has recently been modified to have various performance and properties. However, the conventional method for predicting the compressive strength of concrete has been suggested by considering only a few influential factors. so, In this study, nine influential factors (W/B ratio, Water, Cement, Aggregate(Coarse, Fine), Fly ash, Blast furnace slag, Curing temperature, and humidity) of papers opened for 10 years were collected at 4 conferences in order to know the various correlations among data and the tendency of data. The selected mixture and compressive strength data were used for learning the Deep Learning Algorithm to derive a prediction model. The purpose of this study is to suggest a method of constructing a prediction model that predicts the compression strength with high accuracy based on Deep Learning Algorithms.