9:06 AM

Perceptron,Metode paling sederhana dalam Neural Network

Perceptron pertama kali ditemukan oleh Frank Rosenblatt di Cornell Aeronautical Laboratory. Perceptron dikatakan paling mudah karena model komputasi ini hanya terdiri dari satu atau beberapa input,satu prosesor dan satu output.


Jaringan Syaraf Tiruan atau neural network pada umumnya terdiri dalam 3 group atau lapisan yaitu unit-unit : lapisan input yang terhubung dengan lapisan tersembunyi yang selanjutnya terhubung dengan lapisan output. Lapisan – lapisan pada Jaringan Syaraf Tiruan (Neural Network) tersbut adalah : Aktifitas unit-unit lapisan input menunjukkan informasi dasar yang kemudian digunakan dalam Jaringan Syaraf Tiruan (Neural Network). Aktifitas setiap unit-unit lapisan tersembunyi ditentukan oleh aktifitas dari unitunit input dan bobot dari koneksi antara unit-unit input dan unit-unit lapisan tersembunyi Karakteristik dari unit-unit output tergantung dari aktifitas unit-unit lapisan tersembunyi dan bobot antara unit-unit lapisan tersembunyi dan unit-unit output.

Read more at: http://elektronika-dasar.web.id/teori-elektronika/perceptron-dan-lapisan-jaringan-syaraf-tiruan-neural-network/
Copyright © Elektronika Dasar
 
Jaringan Syaraf Tiruan atau neural network pada umumnya terdiri dalam 3 group atau lapisan yaitu unit-unit : lapisan input yang terhubung dengan lapisan tersembunyi yang selanjutnya terhubung dengan lapisan output. Lapisan – lapisan pada Jaringan Syaraf Tiruan (Neural Network) tersbut adalah : Aktifitas unit-unit lapisan input menunjukkan informasi dasar yang kemudian digunakan dalam Jaringan Syaraf Tiruan (Neural Network). Aktifitas setiap unit-unit lapisan tersembunyi ditentukan oleh aktifitas dari unitunit input dan bobot dari koneksi antara unit-unit input dan unit-unit lapisan tersembunyi Karakteristik dari unit-unit output tergantung dari aktifitas unit-unit lapisan tersembunyi dan bobot antara unit-unit lapisan tersembunyi dan unit-unit output.

Apa saja jenis JST yang ada?


  1. Supervised
    1. Feedforward
      • Linear
        • Hebbian – Hebb (1949), Fausett (1994)
        • Perceptron – Rosenblatt (1958), Minsky and Papert (1969/1988), Fausett (1994)
        • Adaline – Widrow and Hoff (1960), Fausett (1994)
        • Higher Order – Bishop (1995)
        • Functional Link – Pao (1989)
      • MLP: Multilayer perceptron – Bishop (1995), Reed and Marks (1999), Fausett (1994)
        • Backprop – Rumelhart, Hinton, and Williams (1986)
        • Cascade Correlation – Fahlman and Lebiere (1990), Fausett (1994)
        • Quickprop – Fahlman (1989)
        • RPROP – Riedmiller and Braun (1993)
      • RBF networks – Bishop (1995), Moody and Darken (1989), Orr (1996)
        • OLS: Orthogonal Least Squares – Chen, Cowan and Grant (1991)
      • CMAC: Cerebellar Model Articulation Controller – Albus (1975), Brown and Harris (1994)
      • Classification only
        • LVQ: Learning Vector Quantization – Kohonen (1988), Fausett (1994)
        • PNN: Probabilistic Neural Network – Specht (1990), Masters (1993), Hand (1982), Fausett (1994)
      • Regression only
        • GNN: General Regression Neural Network – Specht (1991), Nadaraya (1964), Watson (1964)
    2. Feedback – Hertz, Krogh, and Palmer (1991), Medsker and Jain (2000)
      • BAM: Bidirectional Associative Memory – Kosko (1992), Fausett (1994)
      • Boltzman Machine – Ackley et al. (1985), Fausett (1994)
      • Recurrent time series
        • Backpropagation through time – Werbos (1990)
        • Elman – Elman (1990)
        • FIR: Finite Impulse Response – Wan (1990)
        • Jordan – Jordan (1986)
        • Real-time recurrent network – Williams and Zipser (1989)
        • Recurrent backpropagation – Pineda (1989), Fausett (1994)
        • TDNN: Time Delay NN – Lang, Waibel and Hinton (1990)
    3. Competitive
      • ARTMAP – Carpenter, Grossberg and Reynolds (1991)
      • Fuzzy ARTMAP – Carpenter, Grossberg, Markuzon, Reynolds and Rosen (1992), Kasuba (1993)
      • Gaussian ARTMAP – Williamson (1995)
      • Counterpropagation – Hecht-Nielsen (1987; 1988; 1990), Fausett (1994)
      • Neocognitron – Fukushima, Miyake, and Ito (1983), Fukushima, (1988), Fausett (1994)
  2. Unsupervised – Hertz, Krogh, and Palmer (1991)
    1. Competitive
      • Vector Quantization
        • Grossberg – Grossberg (1976)
        • Kohonen – Kohonen (1984)
        • Conscience – Desieno (1988)
      • Self-Organizing Map
        • Kohonen – Kohonen (1995), Fausett (1994)
        • GTM: – Bishop, Svens√©n and Williams (1997)
        • Local Linear – Mulier and Cherkassky (1995)
      • Adaptive resonance theory
        • ART 1 – Carpenter and Grossberg (1987a), Moore (1988), Fausett (1994)
        • ART 2 – Carpenter and Grossberg (1987b), Fausett (1994)
        • ART 2-A – Carpenter, Grossberg and Rosen (1991a)
        • ART 3 – Carpenter and Grossberg (1990)
        • Fuzzy ART – Carpenter, Grossberg and Rosen (1991b)
      • DCL: Differential Competitive Learning – Kosko (1992)
    2. Dimension Reduction – Diamantaras and Kung (1996)
      • Hebbian – Hebb (1949), Fausett (1994)
      • Oja – Oja (1989)
      • Sanger – Sanger (1989)
      • Differential Hebbian – Kosko (1992)
    3. Autoassociation
      • Linear autoassociator – Anderson et al. (1977), Fausett (1994)
      • BSB: Brain State in a Box – Anderson et al. (1977), Fausett (1994)
      • Hopfield – Hopfield (1982), Fausett (1994)
  3. Nonlearning
    1. Hopfield – Hertz, Krogh, and Palmer (1991)
    2. various networks for optimization – Cichocki and Unbehauen (1993) 
     

http://natureofcode.com/book/chapter-10-neural-networks/
http://elektronika-dasar.web.id/teori-elektronika/perceptron-dan-lapisan-jaringan-syaraf-tiruan-neural-network/
http://battleprogrammer.wordpress.com/2011/03/23/jaringan-syaraf-tiruan-apa-apa-apa/

Jaringan Syaraf Tiruan atau neural network pada umumnya terdiri dalam 3 group atau lapisan yaitu unit-unit : lapisan input yang terhubung dengan lapisan tersembunyi yang selanjutnya terhubung dengan lapisan output. Lapisan – lapisan pada Jaringan Syaraf Tiruan (Neural Network) tersbut adalah : Aktifitas unit-unit lapisan input menunjukkan informasi dasar yang kemudian digunakan dalam Jaringan Syaraf Tiruan (Neural Network). Aktifitas setiap unit-unit lapisan tersembunyi ditentukan oleh aktifitas dari unitunit input dan bobot dari koneksi antara unit-unit input dan unit-unit lapisan tersembunyi Karakteristik dari unit-unit output tergantung dari aktifitas unit-unit lapisan tersembunyi dan bobot antara unit-unit lapisan tersembunyi dan unit-unit output.

Read more at: http://elektronika-dasar.web.id/teori-elektronika/perceptron-dan-lapisan-jaringan-syaraf-tiruan-neural-network/
Copyright © Elektronika Dasar

Jaringan Syaraf Tiruan atau neural network pada umumnya terdiri dalam 3 group atau lapisan yaitu unit-unit : lapisan input yang terhubung dengan lapisan tersembunyi yang selanjutnya terhubung dengan lapisan output. Lapisan – lapisan pada Jaringan Syaraf Tiruan (Neural Network) tersbut adalah : Aktifitas unit-unit lapisan input menunjukkan informasi dasar yang kemudian digunakan dalam Jaringan Syaraf Tiruan (Neural Network). Aktifitas setiap unit-unit lapisan tersembunyi ditentukan oleh aktifitas dari unitunit input dan bobot dari koneksi antara unit-unit input dan unit-unit lapisan tersembunyi Karakteristik dari unit-unit output tergantung dari aktifitas unit-unit lapisan tersembunyi dan bobot antara unit-unit lapisan tersembunyi dan unit-unit output.

Read more at: http://elektronika-dasar.web.id/teori-elektronika/perceptron-dan-lapisan-jaringan-syaraf-tiruan-neural-network/
Copyright © Elektronika Dasar

8:39 AM

Sekilas Neural Network


Penelitian dibidang neural network telah berkembang pesat sejak 1943 ketika Warren McCulloch dan Walter pitts memperesentasikan tentang artificial neuron,yang telah dibuat bertahun tahun. Analisis matematika telah mengungkapkan misteri dan masih banyak lagi yang kedepannya yang menjadi tantangan yang harus dipecahkan.

Natural dan artificial neural network
artificial neural network adalah model informasi yang mengungkapkan mengenai carakerja dari natural neural network bekerja. Artificial dibuat dengan menggunakan model dan konsep matematika. Artificial neural network dapat dipakai untuk banyak pendekatan penyelesaian masalah komputasi,kemampuan ini pertama kali diperenalkan tahun 1930-an dan 1940-an. Ketika era komputer dimulai dengan banyak pemodelan yang dibuat dan menjadi tantangan dengan menggunakan neural network.




Beberapa model komputasi yang terkenal yang menggunakan model neural network antara lain:
  1. the logic-operational model (Turing machines)
model ini dibuat oleh Alan Turing dan dijabarkan dalam papernya yang berjudul ”On Computable Numbers with an Application to the
Entscheidungsproblem
  1. celular automata
mesin ini didasarkan pada arsitektur dari von Neumann.

Elemen penting yang ada komputasi adalah sotorage+transmisi+processing computation=storage+transmission+proessing. Pada komputasi mekanikal digunakan tiga bagian utama diatas. Pengkodean memainkan peran yang penting dari pemrosesan informasi seperti yang diungkapkan oleh claud shannon pada tahun 1948,ketika gangguan terjadi,informasi tetap dapat ditranmisikan tanpa ada yang hilang jika kode yang dipake sesuai dengan redundan. Komputasi modern mengubah dari storage information kedalam form information. Static memory chips menyimpan bit sebagai sirkular bit sampai bit tersebut dibaca.


Sumber:



9:43 PM

Proposal Penawaran

Proposal penawaran kerjasama tidak beda dengan surat penawaran atau surat promosi usaha yang sedang kita jalankan. Bedanya, dalam proposal penawaran kerjasama kita harus memberi gambaran tentang keunggulan usaha anda sebaik-baiknya, memberikan penawaran apa yang akan didapat oleh mitra kerja jika melakukan kerja sama dengan kita, dan apa yang akan anda berikan jika mereka menerima tawaran tersebut.

Susunan proposal penawaran kerjasama
1.      Kop: identitas perusahaan anda
2.      Latar Belakang
3.      Maksud dan Tujuan
4.      Profil Perusahaan
5.      Persetujuan Kerja
      6.      Penutup
contoh proposal disini


4:16 AM

The Game Presentation 2/2


World Rendering
Langkah pertama adalah untuk membuat, visual dan sonically, dunia permainan. Di sini kita akan fokus pada pasif unsur-unsur dunia, seperti dinding dan dasar, serta, sederhana logika berbasis perangkat seperti membuka pintu. Jalur ini akan ditarik antara objek animasi yang membutuhkan sedikit atau tidak ada, yang akan ditangani di sini, dan penuh animasi objek, yang akan memerlukan skema pengolahan yang berbeda sama sekali. Rendering dunia game lengkap secara real-time hampir tidak mungkin kecuali untuk game sederhana seperti Tetris.. Sebagai contoh, zona yang sangat jauh atau tidak terlihat dari dunia dapat mungkin dimusnahkan pergi karena mereka memberikan informasi sedikit atau tidak ada pemain dan hanya akan menurun tingkat karena kompleksitas menambahkan bingkai. Jadi, setiap pipa dunia render akan lebih atau kurang terdiri dari dua bagian: memilih bagian yang relevan dan mengurus rendering yang sebenarnya.

  
NPC Rendering
Rendering NPC sangat berbeda dari render geometri mati. Mereka membutuhkan pipa khusus karena mereka animasi properti. Namun, kita masih dapat mulai dengan menyaring daftar karakter, karakter sehingga hanya dekat dengan pemain dan mempengaruhi dia diproses. Sekali lagi, langkah visibilitas sangat umum. Hanya karakter yang bertahan kliping dan uji oklusi akan pindah ke pipa. Hal ini terutama penting untuk sepenuhnya karakter animasi. Bekerja dengan dinamis, geometri animasi lebih mahal dari statis, elemen pasif, dan dengan demikian harus diterapkan hanya bila diperlukan. Opsional, beberapa permainan akan menggunakan LOD lulus untuk membuat representasi yang disederhanakan dari karakter yang terletak di pandang tetapi jauh dari penampil. Kemudian, rutin animasi utama harus dihitung. Ada sejumlah variasi, dari keyframed untuk kerangka animasi dan sebagainya. Semuanya akan dibahas dalam Bab 15, "Animasi Karakter." Namun hasil akhir untuk mereka semua adalah sama: data geometri statis yang mewakili snapshot saat ini tentang bagaimana karakter harus mencari frame yang diberikan. Pada titik ini, karakter telah disederhanakan oleh representasi geometri statis, yang dapat diproses seolah-olah dunia geometri biasa. Harus dikemas menggunakan representasi yang efisien dan dikirim ke perangkat keras untuk ditampilkan. Perhatikan bahwa, untuk internal mereka, beberapa metode animasi akan memerlukan spesifik render algoritma, sehingga karakter perlu diberikan secara terpisah dari geometri dunia pasif.

  
The Player
Pemain utama tidak lain adalah sebuah NPC yang sangat khusus kasus. Tapi rendering pipeline lebih sederhana dibandingkan sekunder karakter untuk dua alasan yang sangat sederhana. Pertama, pemain umumnya terlihat, sehingga ada tidak perlu mengalokasikan waktu untuk memeriksa dia untuk visibilitas. Setelah semua, dia seharusnya menjadi pahlawan, sehingga tidak masuk akal untuk
dia tetap tersembunyi. Kedua, tidak ada kebutuhan untuk pengolahan LOD juga. Kebanyakan permainan menampilkan pemain dalam peran sentral, sehingga mereka akan selalu menggunakan resolusi tinggi jerat. Dengan demikian, pemain utama hanya akan menjalani langkah animasi, pengepakan, dan langkah render. Animasi akan terkadang dengan kualitas yang lebih tinggi dari musuh karena pemain berada dalam peran sentral dan rincian lebih diperlukan. Tapi ada banyak perbedaan antara pemain dan NPC.
Sebagai pengingat global, menggunakan daftar pseudocode pada akhir bagian "Dunia Update" untuk meninjau menyelesaikan kerangka. Yaitu konstruksi lama operasi, tetapi harus mencakup permainan yang paling di pasar. Di Bahkan, saya menyarankan Anda mengambil beberapa waktu dan terurai satu atau dua game komersial ke mereka konstituen bagian menggunakan framework. Waktu yang dihabiskan melakukan hal ini akan sangat berharga saat kita memulai menganalisis setiap dari segmen yang ada. Perhatikan bagaimana pseudocode berikut ini juga dapat bertindak sebagai indeks untuk isi
buku ini. Pointer ke bab yang bersangkutan diberikan untuk setiap bagian, sehingga Anda tahu di mana harus mencari tambahan informasi.

  
Caveat: Networked Games
Model-model sebelumnya melakukan pekerjaan yang benar-benar baik menggambarkan paling single-player game. Tapi judul jaringan perlu untuk menerapkan beberapa perubahan kecil untuk model sehingga mereka dapat masuk ke dalamnya. Perubahan ini secara fundamental mempengaruhi permainan logika bagian dan, khususnya, kontrol pemutar dan bagian NPC. Hanya ingat bahwa, dari yang lain sudut pandang pemain, karakter Anda sebenarnya hanyalah sebuah NPC yang posisinya diperbarui oleh komputer lain melalui koneksi jaringan. Umumnya, dua perubahan adalah semua yang diperlukan untuk mengedit model. Bagian update pemain harus berubah untuk memastikan setiap update pemain diikuti dengan broadcast pesan yang mengirimkan posisi baru dihitung untuk gamer lain melalui jaringan. para pemain menerima informasi dari jaringan maka akan menggunakannya untuk memperbarui jenis khusus dari NPC yang benar-benar jangan mewakili pemain game lainnya. Dengan demikian, perubahan kedua mempengaruhi inti dari sistem AI. Jaringan game masih dapat memiliki AI untuk monster otomatis dan sebagainya, tetapi tipe khusus dari AI harus disediakan untuk mewakili para pemain lainnya. Ini modul khusus kasus AI menerima data dari saluran komunikasi dan mencerminkan ke lingkungan game lokal. Dengan dua perubahan dalam pikiran, permainan jaringan tidak jauh berbeda dari judul, reguler single-player. Yang diperlukan hanyalah sedikit latihan untuk mengerti bahwa kita adalah pemain di layar komputer, tetapi pengguna lain hanya melihat kita sebagai jenis yang sangat khusus dari NPC. Kami akan mencakup NPC secara mendalam dalam Bab 10, "Jaringan Pemrograman. "


PART 1

4:14 AM

The Game Presentation 1/2




Permainan akan menjadi kusam dan membosankan tanpa pemrograman multimedia. Sebagai manusia, kita sangat sensitif untuk animasi, suara, dan semua fitur teknis yang membuat permainan menarik. Jadi, coding permainan yang baik tentu melibatkan sangat berhati-hati dengan presentasinya. Anda bisa berpendapat bahwa beberapa game benar-benar baik dapat dibuat dengan nilai-nilai presentasi sedikit atau tidak ada, dan Anda akan benar. Sebuah permainan seperti Tetris tidak perlu banyak dalam hal pengalaman audio-visual. Tapi itu berbahaya untuk menggeneralisasi ini sebagai sebuah aturan. Yang luas Mayoritas game mengharuskan pembungkus multimedia hati-hati dirancang untuk gameplay untuk menjadi terlibat dan membenamkan. Kita perlu melihat angkasa dan asteroid untuk mendapatkan perasaan penerbangan ruang angkasa, dan kita perlu hati-hati dirancang suara ambient untuk benar-benar percaya kita berada dalam skenario menakutkan. Lapisan presentasi membantu menyampaikan salah satu fitur kunci dari permainan yang baik-kemampuan untuk memprovokasi bersedia suspensi percaya. Hal ini terjadi ketika film yang baik, buku, dan permainan mental membenamkan kita dalam skenario di mana mereka terjadi. Ambil film yang bagus, misalnya. Dalam 10 menit pertama, penonton lupa tentang dunia nyata. Pekerjaan pemirsa, masalah, tugas, dan sebagainya hanya pergi, karena ia menyerah pada keajaiban narasi. Penampil menghabiskan satu jam berikutnya atau dua tenggelam dalam cerita. Bahkan, penonton tidak merasa seperti dia atau dia di bioskop sama sekali. Rasanya seperti dia atau dia mengejar orang jahat, memecahkan misteri itu, dan sebagainya. Itulah yang bersedia suspensi tidak percaya adalah semua tentang. Beberapa film mencoba untuk menceritakan kisah-kisah menarik dengan nilai-nilai presentasi minimum. Gerakan Dogma berfungsi sebagai contoh yang baik. Meskipun kecenderungan ini niscaya akan muncul dalam permainan video juga, dan banyak permainan yang baik akan dibuat, presentasi akan tetap penting bagi kedua Dogma dan non-Dogma permainan. Game dogma tidak mempercayai kompetensi aktor manusia melainkan perlu untuk menggunakan sintetis mendongeng, yang berakar dalam teknologi. Karena permainan teknologi jauh lebih didorong dari film, presentasi masih perlu, bahkan untuk game sederhana. Di sisi lain, jangan lupa bahwa sebagian besar game yang diproduksi untuk massa, dan dalam hal ini konteks, presentasi sangat penting. Selain gameplay yang lebih baik, konsumen meminta grafis yang lebih baik, lebih dan suara yang lebih baik, dan nilai produksi dalam perkembangan konstan. Ini situasi catch-22 yang timbul dari peningkatan konstan dari perangkat keras komputer. Jadi, bahkan dalam pertandingan tersebut di mana logika permainan yang atas prioritas, Anda sebaiknya mengawasi nilai presentasi untuk memastikan bahwa Anda mencapai pelanggan yang luas dasar. Sekarang mari kita menjelajahi bagian pokok dari setiap pipa multimedia. Fokusnya akan diberikan kepada grafis dan terdengar sebagai dua faktor utama dalam memberikan pengalaman multimedia terbaik. Pipa generik kami akan serupa dengan yang digunakan untuk logika game dan dibagi menjadi rendering permainan dunia, nonplayable render karakter, dan rendering pemain. Perlu diingat bahwa ini hanyalah sebuah kerangka untuk menggambarkan konstituen bagian dan tidak menyiratkan urutan eksekusi. Untuk tujuan implementasi, elemen dapat diberikan




PART 2

2:02 AM

Cube 2 : OpenSource Game


CubeEngine adalah game multiplayer open source dan singleplayer bertipe game shooter . Cube adalah game engine yang di desaain untuk game dalam ruangan. Game ini dibangun dengan menggunakan OpenGl dan SDL. Game ini dibuat dan dapat dimodifikasi oleh user masing masing untuk mengembangkan game ini secara bebas. Cube Engine di desain secara mudah dan ringan ,sehingga dapat berjalan pada mesin (komputer) berkemampuan rendah sekalipun.

 Para bermain online dapat memperoleh daftar servernya dari server master yang sudah di sediakan. Mode permainan yang ditawarkan adalah Free-For-All (semua orang untuk diri mereka sendiri, semua senjata diperbolehkan), InstaGib (deathmatch, senapan saja), Capture (di mana tim bertarung untuk menguasai titik-titik pada peta, semua senjata diperbolehkan), Merebut Bendera (dua tim bertarung untuk menangkap bendera lain dan kembali ke basis mereka), kerja sama (mengalahkan pemain tim lain untuk mencetak poin untuk tim Anda), Taktik (FFA, tapi pemain menelurkan dengan peralatan acak), Efisiensi (FFA, tapi pemain menelurkan dengan semua peralatan) InstaHold, di mana dua tim harus memiliki bendera tunggal selama minimal 20 detik untuk mencetak poin, dan Protect (tim mencoba menyentuh bendera satu sama lain). Insta, senjata regeneratif ("regen") atau versi kerja sama dari beberapa mode permainan yang tersedia, serta mengedit peta koperasi, bahkan online-salah satu fitur Cube 2 yang paling menarik dan populer. Ada juga mode pemain tunggal menampilkan baik gameplay episodik dan deathmatches pada peta multiplayer dengan AI bot bukan lawan manusia.



5:44 AM

Cube 2 : Game Engine berbasis Open Source

Cube 2: Sauerbraten adalah game engine cross-platform, yaitu game engine yang berjalan pada Microsoft Windows, Linux, FreeBSD dan Mac OS X menggunakan OpenGL dan SDL. Permainan ini memiliki single-player dan multiplayer game. Game Engine ini adalah perangkat lunak bebas dan open source, dibawah lisensi zlib,dengan dukungan komersial dari rekan bisnis sendiri pengembang, Dot3 Labs. Tujuan dari proyek ini adalah tidak menghasilkan fitur yang paling tinggi dan grafis berkualitas , melainkan untuk memungkinkan map-editing dilakukansecara real-time dalam permainan, sekaligus menjaga kode sumber mesin kecil dan elegan.
Permainan ini dimulai sebagai sebuah desain ulang mesin permainan Cube asli,  dan pertama, pengembang merilis  pada tanggal 27 Agustus 2004. Rilis terbaru, dijuluki "Justice Edition", memulai debutnya pada tanggal 19 Juli 2010.


Fitur-Fitur yang di tawarkan pada game engine ini:Fitur Game:
  • Gameplay yang cepat dan intens seperti Doom2 atau Quake 1.
  • Mode mltiplayer yang bervariasi seperti: deathmatch, instagib, efficiency, tactics, capture (domination/battlefield style) dan coop edit.
  • Masterserver & ingame server browser. Tidak ada lag dalam gameplay. 
  • Dua model untuk singleplayer: DMSP (berkelahi melawan monster invasion pada jenis DM map), classic SP (berdasarkan progresi SP seperti game yang lainnya). 
  • Tersedia 7 senjata untuk kepuasan bermain : double barrelled shogun, rocket launcher, machine gun, rifle, grenade launcher, pistol, fist.