文件名称：gobot:学习得分围棋比赛
文件大小：33KB
文件格式：ZIP
更新时间：2024-05-31 09:57:34
machine-learning board scoring sgf C++
机器人 一种用于在Go游戏中学习得分的机器学习算法 背景 我是在大学四年级期间为我的机器学习最终项目编写的。 本文反映了gobot在分支中的状态。 它读取.sgf文件，并且由于.sgf文件格式的线性特性，它必须在整个游戏过程中进行演奏才能达到最终的棋盘位置。 请注意，可以在将石头捕获并从板上取下之前将其放置在放置了其他石头的地方。 提交项目后，我着手通过将木板保存到文件中而不是每次都在游戏中运行来建立学习算法。 此外，我恢复了以我的项目为基础的，并实施了建议的自举方法来为数千个游戏生成良好的标签（我的算法的finalProject版本使用了20,000多个游戏的数据集）。 当前结果 当时，我得到了不好的结果，在使用引导程序时，我发现对于我的数据集中的许多游戏， .sgf报告的分数不正确。 通常，与该状态下的实际木板得分相比，该分数要低1或2分。 经过进一步的研究，我发现这些记录中的大
【文件预览】：
gobot-master
----copyN.sh(123B)
----reformatAndGenerateBoard.sh(751B)
----reformat.hs(4KB)
----LICENSE(1KB)
----math.tex(3KB)
----src()
--------rprop.layers.h(1KB)
--------definitions.cpp(2KB)
--------definitions.h(433B)
--------bootstrap.h(760B)
--------lifeFile.h(245B)
--------space.cpp(372B)
--------bootstrap.cpp(10KB)
--------blockFeatures.cpp(6KB)
--------space.h(341B)
--------directoryLoader.h(861B)
--------game.h(760B)
--------game.cpp(3KB)
--------rprop.cpp(5KB)
--------block.h(1KB)
--------rprop.h(991B)
--------main.cpp(3KB)
--------board.cpp(17KB)
--------rprop.layers.cpp(2KB)
--------model.h(481B)
--------directoryLoader.cpp(3KB)
--------rprop.weights.cpp(5KB)
--------board.features.cpp(34KB)
--------block.cpp(4KB)
--------lifeFile.cpp(2KB)
--------board.h(6KB)
--------blockFeatures.h(2KB)
--------rprop.weights.h(1019B)
----.gitignore(186B)
----reformatGames.sh(380B)
----Makefile(543B)
----README.md(2KB)