从棋盘位置自动提取特征

Question

我正在做一个项目，我在该项目中获取棋盘位置（将 FEN 字符串转换为二进制）及其评估分数并将其提供给神经网络。我的目标是让神经网络区分好位置和坏位置。

我如何编码位置：国际象棋中有 12 个独特的棋子，即 白 和 的棋子、车、马、象、后和国王黑色。我使用 4 位对每一块进行编码，其中 0000 表示一个空方块。所以这 64 个方格被编码成 256 位，我用另外 6 位来表示游戏状态，比如轮到谁移动，国王城堡状态等。

问题：由于国际象棋位置的输入空间既不是平滑的也不是单模态的（棋盘位置的微小变化可能导致评估分数的巨大变化），神经网络不学不好。现在，下一个合乎逻辑的事情是以某种方式提取有用的特征（如材料差异、中心控制等）并将其提供给网络。

我不想手动选择特征，因为我希望网络自己学习所有内容。因此，我正在考虑使用 autoencoders 自动提取特征。有没有更好的方法来做到这一点？

总结：从棋盘位置自动提取特征以便将其输入神经网络的最佳方法是什么？

更新：为了生成训练数据，我修改了 Stockfish 以将其评估过程转储到日志文件中。因此，它考虑的每个新移动（位置）都会作为 FEN 字符串连同其评估分数一起写入文件

Answer 1

神经网络可以给出任何函数的近似值。唯一需要考虑的是搜索空间的维度，它限制了您必须获得良好近似值的数据量。

对于有监督的网络（您使用自动编码器，然后我认为您使用反向传播的某种变体），我很难想象您认为如何使用单个位置进行训练，因为您的训练集中需要相似的位置。也许您的方法不同，但我相信第二种策略（使用功能）更有希望。我认为使用职位需要大量的数据训练才能获得好的结果。

功能请看here，以及Shannon 的经典作品。

我还从Crafty的源代码中获取了有用的信息。

但您必须从 FEN 字符串中提取这些信息。

自动编码器是一种减少数据的方法（很好，因为可以提高性能）。据here 报道，使用 Pincipal Component Analysys 似乎更好。

希望对你有帮助。