شطرنج به عنوان داده های متوالی در پیش بینی نتیجه مسابقه شطرنج با استفاده از یادگیری عمیق همراه با بازنمایی های مختلف صفحه شطرنج

حرکات انجام شده توسط شطرنج بازان در طول مسابقه قطعا نوعی توالی است. در این پژوهش تلاش کردیم به این پرسش پاسخ دهیم که آیا چنین داده هایی را می توان به عنوان داده های متوالی تفسیر کرد. برای دستیابی به این هدف مدلی ساخته شده تنها با لایه های حافظه کوتاه مدت ماندگار طراحی شد. نتایج به دست آمده توسط این مدل این فرضیه را تایید می کند. همچنین یک معماری مدل نوین پیشنهاد و روی انواع داده های چندگانه اعم از حرکات شطرنج و فراداده های بازی شطرنج آموزش داده شد. هدف آن دستیابی به بالاترین دقت طبقه بندی ممکن بود و ما توانستیم به نتیجه ای نزدیک به ۶۹ درصد دست یابیم. علاوه بر این، چند روش بازنمایی صفحه شطرنج به طور دقیق تر ورودی نقشه بیتی و ورودی جبری را با هم مقایسه کردیم تا بررسی کنیم کدام یک برای فرآیند آموزش شبکه های عصبی مناسب تر است. برخلاف تصور، نمرات بهتری برای ورودی نقشه بیتی به دست آمد که از منظر نظری اطلاعات کمتری نسبت به ورودی جبری در بر دارد.

کلیدواژه ها:

یادگیری عمیق ، شطرنج ، پیش بینی ، طبقه بندی ، حافظه کوتاه مدت ماندگار ، بازنمایی صفحه شطرنج