| Identifikační kód |
RIV/67985807:_____/16:00467760 |
| Název v anglickém jazyce |
Determining Player Skill in the Game of Go with Deep Neural Networks |
| Druh |
D - Stať ve sborníku |
| Jazyk |
eng - angličtina |
| Obor - skupina |
I - Informatika |
| Obor |
IN - Informatika |
| Rok uplatnění |
2016 |
| Kód důvěrnosti údajů |
S - Úplné a pravdivé údaje o výsledku nepodléhající ochraně podle zvláštních právních předpisů. |
| Počet výskytů výsledku |
2 |
| Počet tvůrců celkem |
2 |
| Počet domácích tvůrců |
2 |
| Výčet všech uvedených jednotlivých tvůrců |
Josef Moudřík (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 7255152)
Roman Neruda (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 8926050) |
| Popis výsledku v anglickém jazyce |
The game of Go has recently been an exuberant topic for AI research, mainly due to advances in Go playing software. Here, we present an application of deep neural networks aiming to improve the experience of humans playing the game of Go online. We have trained a deep convolutional network on 188,700 Go game records to classify players into three categories based on their skill. The method has a very good accuracy of 71.5 % when classifying the skill from a single position, and 77.9 % when aggregating predictions from one game. The performance and low amount of information needed allow for a much faster convergence to true rank on online Go servers, improving user experience for new-coming players. The method will be experimentally deployed on the Online Go Server (OGS). |
| Klíčová slova oddělená středníkem |
computer Go;machine learning;board games;skill assessment;deep neural networks |
| Stránka www, na které se nachází výsledek |
- |
| DOI výsledku |
10.1007/978-3-319-49001-4_15 |
| Odkaz na údaje z výzkumu |
- |