TY -的A2 -郭,凌众盟——Kagkas Dimitrios盟——Karamichailidou Despina AU - Alexandridis,亚历克斯PY - 2023 DA - 2023/04/17 TI -国际象棋位置使用径向基函数神经网络评价SP - 7143943六世- 2023 AB -国际象棋的游戏是最广泛的研究领域的游戏人工智能和机器学习。在这项工作中,我们提出一个新方法获得的评价象棋位置不使用树搜索和检查每一位候选人分别移动,像国际象棋引擎。而不是探索搜索树为了看几个动作前,我们建议使用更快和更少的计算要求估计的正确训练神经网络。这种方法提供的好处有一个估计的位置评价在几毫秒,而由国际象棋引擎所需的时间可能长好几个数量级。该方法引入了模型基于径向基函数(RBF)神经网络架构培训与模糊算法,结合小说的输入功能;不同的网络训练方法也检查和比较,包括多层感知器(MLP)和卷积神经网络(CNN)体系结构和一组不同的输入特性。所有的方法都是基于一个新的数据集,这是在这项工作的背景下开发的,得到了1500多个顶级国际象棋游戏的集合。处理Java应用程序开发的游戏和提取某些特性产生位置为了构建数据集,它包含数据来自80000多个职位。各种网络训练和测试我们认为是每个方法对输入变量的不同配置和数据过滤。最后,结果表明,该方法性能是最好的。 The models produced with the proposed approach are suitable for integration in model-based decision-making frameworks, e.g., model predictive control (MPC) schemes, which could form the basis for a fully-fledged chess-playing software. SN - 1076-2787 UR - https://doi.org/10.1155/2023/7143943 DO - 10.1155/2023/7143943 JF - Complexity PB - Hindawi KW - ER -