基于神经网络的国际象棋位置评估

Question

我正在研制一种可以下棋的人工智能。我想利用keras神经网络来评估董事会的职位。我想通过在AI和AI之间玩大量的游戏来教授NN。我已经实现了alpha-beta修剪

我的想法是创建一个csv文件，其中包含AI玩过的每一个游戏的位置。我会选择要存储在那里的变量。非常简单的例子：

"white_pawns","black_pawns","white_queens","black_queens","white_pawns_on_side","white_won"
3,7,1,2,0,False
3,5,3,0,1,True

我想用这些值训练一个模型，然后用它来评估当前的董事会位置。因此，主要问题是：

如何让神经网络在给定这些变量的情况下输出一个位置值？例如，当它处于绘制状态时0或当我们处于一个棋子状态时1keras首选，但我对任何其他python库开放

如果你能消除我的其他一些疑虑，我也将不胜感激。 这种方法有什么缺陷吗？单场比赛中的每个位置都会使神经网络过度拟合吗？也许我应该在每场比赛中选择几个位置

Answer 1

我想你知道这一点，但是当一个人评估棋盘时，他不仅要看材料，还要看棋子的位置。其次，有了这个csv，如果你看到的东西是真是假，你就无法决定什么是更好的电影。这就是为什么发动机的评估是数字的。或者你想让它输出一个从-1到1的数字，然后它就是分数？希望做同样的事情，但白赢1，黑赢1，平局0（在数据集文件中）。如果您想对我这样做，请联系我（是否有用于堆栈溢出的消息传递服务？）

结论

在我看来，输入应该是电路板的数字表示，目标不应该是分类器，而应该是数字分类器。其实更简单

我正在开发一个python引擎，这是一个结识对我感兴趣的新朋友的机会

只是说，这是我的第一个答案，所以如果有不清楚的地方，请发表评论，我会尽力帮助你

此外，正如krish所说，这可以通过强化学习来实现。但首先你需要做一个dqn（深度q网络（q学习是一种非常流行的强化学习算法）），为此你需要另一个网络。因为如果没有，这将需要很多时间来训练