Análise Comparativa de Técnicas de Inteligência Computacional na Classificação de Jogadores de Xadrez

  • Pedro H. A. Ribeiro UFPI
  • Ronnyel C. C. Silva UFPI
  • José M. P. M. Júnior UFPI

Resumo


Neste trabalho são aplicadas redes neurais Perceptron de Múltiplas Camadas (MLP), Rede de Base Radial (RBF) e Rede Learning Vector Quantization (LVQ) para resolver o problema de classificação de jogadores de xadrez em níveis (básico, intermediário e avançado). Foram usados como parâmetros de entrada das redes neurais as seguintes métricas de desempenho da partida de xadrez: perdas médias em centésimo de peões, imprecisões, erros e erros graves. Para cada técnica usada, utilizou-se quatro topologias de rede, onde fez-se variar a quantidade de neurônios da camada oculta. As métricas de desempenho usadas foram a acuidade média, acuidade máxima, acuidade mínima, acuidade mediana, desvio padrão das acuidades e o Erro Médio Quadrático (MSE). Os resultados encontrados mostraram que a MLP obteve as melhores métricas de desempenho na solução do problema de classificação de jogadores de xadrez.

Palavras-chave: Redes Neurais, Jogo de Xadrez, classificação de jogadores

Referências

Bishop, Christopher M. et al. Neural networks for pattern recognition. Oxford university press, 1995.

Bonifácio, F. N. Comparação entre as Redes Neurais Artificiais MLP, RBF e LVQ na Classificação de Dados. Paraná: Universidade Estadual do Oeste do Paraná, 2010.

Chollet, F. Deep Learning mit Python und Keras: Das Praxis-Handbuch vom Entwickler der Keras-Bibliothek. MITP-Verlags GmbH & Co. KG, 2018.D'Agostini, Orfeu Gilberto. Xadrez básico. Ediouro Publicações, 2002.

D'Agostini, Orfeu Gilberto. Xadrez básico. Ediouro Publicações, 2002.

Dauvergne, P. The case for chess as a tool to develop our children’s mind. University of Sidney. Disponível em: < http://www.auschess.org.aurticles/chessmind.htm.> Acesso em: 20 de março de 2019.

Erilli, N. A. et al. (2010) Classifying Chess Players with Fuzzy Clustering Analysis in Fuzzy Data Using Eco Codes. In: 1st International Symposium on Computing in Science & Engineering Proceedings Book. p. 1105-1110.

Fernandes, M. A. C. Aplicação das Redes RBF na Deteção Inteligente de Sinais Digitais. Proceeding of the IV Brazilian Conference on Neural Networks. Pp 226-230. São José dos Campos. São Paulo. Brazil.

HU, Yu Hen; HWANG, Jenq-Neng. Introduction to neural networks for signal processing. Handbook of neural network signal processing, p. 12-41, 2002.

Jeremic, V. M.; Radojicic, Z. (2010) A new approach in the evaluation of team chess championships rankings. Journal of Quantitative Analysis in Sports, v. 6, n. 3.

Kohonen, T. K. (1997) Self-Organizing Maps. Springer-Verlag, Berlin, Heidelberg, 2nd extended edition.

Kugler, M., Júnior, J.T., Lopes, H. S. (2003) Desenvolvimento de uma Rede Neural LVQ em Linguagem VHDL para Aplicações em Tempo-Real. Proceedings of the VI Brazilian Conference on Neural Networks - VI Congresso Brasileiro de Redes Neurais pp. 103–108, June 2–5, 2003 – Centro Universitário da FEI, São Paulo - SP – Brazil.

Reingold, E. M. et al. (2001) Visual span in expert chess players: Evidence from eye movements. Psychological Science, v. 12, n. 1, p. 48-55.

Santos, A. B., Castanho, M. J. P., Hernandes, F., Ré, A. M. (2010) Rede Neural LVQ em Câncer de Próstata. Anais do XXXIII Congresso Nacional de Matemática Aplicada e Computacional.

Silva, IN da; SPATTI, Danilo H.; Flauzino, R. A. Redes neurais artificiais para engenharia e ciências aplicadas. São Paulo: Artliber, v. 23, n. 5, p. 33-111, 2010.

Silva, W. (2010) Raciocínio logico e o jogo de xadrez = em busca de relações. 2 v. Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Educação, Campinas, SP. Disponível em: . Acesso em: 20 de março de 2019.

Poggio, T., Girosi, T. (1990) Networks for approximation and learning. Proceedings of the IEEE, 78:1481–1497.
Publicado
25/09/2019
Como Citar

Selecione um Formato
RIBEIRO, Pedro H. A.; SILVA, Ronnyel C. C.; M. JÚNIOR, José M. P.. Análise Comparativa de Técnicas de Inteligência Computacional na Classificação de Jogadores de Xadrez. In: ESCOLA REGIONAL DE COMPUTAÇÃO CEARÁ, MARANHÃO, PIAUÍ (ERCEMAPI), 7. , 2019, São Luís. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2019 . p. 190-197.