Deep learning for chess ai

Fedorenko, A.S.

Please use this identifier to cite or link to this item: https://rep.vsu.by/handle/123456789/20821

Full metadata record

DC Field	Value	Language
dc.contributor.author	Fedorenko, A.S.	-
dc.date.accessioned	2020-03-19 14:06:37.000+03	-
dc.date.available	2020-03-19 14:06:37.000+03	-
dc.date.issued	2020	-
dc.identifier.citation	Fedorenko, A.S. Deep learning for chess ai / A.S. Fedorenko // Наука – образованию, производству, экономике : материалы 72-й Регион. науч.-практ. конф. преподавателей, науч. сотрудников и аспирантов, Витебск, 20 февраля 2020 г.. – Витебск : ВГУ имени П. М. Машерова, 2020. – С. 39-40. -	ru_RU
dc.identifier.other	d8c87f3b885a2615482b3b5a720eadcc	-
dc.identifier.uri	https://rep.vsu.by/handle/123456789/20821	-
dc.description.abstract	Deep learning for chess ai a set of machine learning methods based on feature/representation learning, rather than specialized algorithms for specific tasks. As a result, the number of possible positions in chess is 1043. Calculations of this scale cannot be performed. In this paper, we try to resort to the approximation f(p). It is worth remembering that the written algorithm is still far from perfect and did not compete with any advanced chess program. = В статье излагаются алгоритмы обучения игре в шахматы при помощи нейронных сетей.	ru_RU
dc.language.iso	en	ru_RU
dc.publisher	Витебск : ВГУ имени П. М. Машерова	ru_RU
dc.subject	chess ai	ru_RU
dc.subject	chess programs	ru_RU
dc.subject	deep learning	ru_RU
dc.subject	evaluation function	ru_RU
dc.subject	neural network	ru_RU
dc.subject	компьютерные программы	ru_RU
dc.subject	методы обучения	ru_RU
dc.subject	нейронные сети	ru_RU
dc.subject	оценочные функции	ru_RU
dc.subject	шахматы	ru_RU
dc.title	Deep learning for chess ai	ru_RU
dc.type	Article	ru_RU
Appears in Collections:	Наука – образованию, производству, экономике : материалы 72-й Региональной научно-практической конференции преподавателей, научных сотрудников и аспирантов, Витебск, 20 февраля 2020 г. – Витебск : ВГУ имени П. М. Машерова, 2020. – 522 с.