Aug, 2019
利用深度神经网络和人类数据学习国际象棋变种 Crazyhouse 超越世界冠军水平
Learning to play the Chess Variant Crazyhouse above World Champion Level with Deep Neural Networks and Human Data
Johannes Czech, Moritz Willig, Alena Beyer, Kristian Kersting, Johannes Fürnkranz
TL;DR通过利用神经网络的监督学习,提高了对于棋类游戏的效率并且降低了计算成本,从而设计出了一个专门训练于 crazyhouse 象棋的深度神经网络引擎。该引擎在 569,537 场人类游戏中进行了 1.5 天的训练,获得了 60.4% 的棋步准确性,并获得了与世界冠军,Justin Tan,多场胜利,证明了该引擎已经具备了一定的商业潜力。