Machine learning methods in game of chess implementation

• Autorzy: Wójcik, Paweł , Wiśniewska, Joanna

Warianty tytułu

PL

Metody uczenia maszynowego w implementacji gry w szachy

• Języki publikacji: EN

Abstrakty

EN

The following work presents methods of using machine learning to teach a computer to play chess. The first method is based on using records of games played by highly ranked players. The second method is based on the Monte Carlo Tree Search algorithm and reinforcement learning.

PL

W pracy zaprezentowano metody wykorzystania uczenia maszynowego do nauki komputera gry w szachy. Pierwsza metoda bazuje na użyciu zapisów przebiegów partii rozgrywanych przez wysoko klasyfikowanych graczy, zaś druga opiera się na algorytmie Monte Carlo Tree Search oraz uczeniu przez wzmacnianie.

Słowa kluczowe

PL

szachy; uczenie maszynowe; sieci neuronowe

EN

chess; machine learning; neural networks

• Czasopismo: Computer Science and Mathematical Modelling
• Rocznik: 2021
• Tom: No. 13-14
• Strony: 61--69
• Opis fizyczny: Bibliogr. 9 poz., fot., rys., tab., wykr.

Twórcy

autor

Wójcik, Paweł

• 17A/3 Narwik Str., 01-471 Warsaw, Poland,

autor

Wiśniewska, Joanna

• Military University of Technology, Faculty of Cybernetics, 2 Kaliskiego Str., 00-908 Warsaw, Poland,

Bibliografia

• [1] Herud K., Mueller C., “End-to-End Deep Neural Network for Automatic Learning in Chess”, International Journal of Computer Theory and Engineering, Vol. 10, No. 5, 146–151 (2018).
• [2] Kosiński R., Sztuczne sieci neuronowe: Dynamika nieliniowa i chaos, Wydawnictwo Naukowe PWN, Warszawa 2020.
• [3] Oshri B., Khandwala N., Predicting Moves in Chess using Convolutional Neural Networks, http://cs231n.stanford.edu/reports/2015/pdfs/ConvChess.pdf.
• [4] Silver D., et al, “Mastering the game of Go without human knowledge”, Nature, 550, 354–359 (2017).
• [5] Silver D. et al., Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm, https://arxiv.org/pdf/1712.01815.pdf.
• [6] Wantoch-Rekowski R., Sieci neuronowe w zadaniach: perceptron wielowarstwowy, Bel Studio, Warszawa 2003.
• [7] Wójcik P., Metody uczenia maszynowego w implementacji gry w szachy, Warszawa 2020.
• [8] Zocca V., et al., Deep Learning. Uczenie głębokie z językiem Python. Sztuczna inteligencja i sieci neuronowe, Helion, Gliwice 2018.
• [9] Forsyth–Edwards Notation [@] https://en.wikipedia.org/wiki/Forsyth%E2%80%93Edwards_Notation.

Identyfikatory

DOI

10.5604/01.3001.0015.9191