输入神经网络的国际象棋表示法: FEN还是PGN？

Question

我正在尝试用神经网络构建一个国际象棋人工智能。了解神经网络是如何工作的，并更新我的编程经验。我有一些分类器的经验，但还没有神经网络，所以请随时纠正错误的假设和错误，我所犯。

我计划给神经网络，当前的棋盘位置和所有可能的移动选择游戏的最后位置，游戏的结果。

在编写国际象棋时，我遇到了两个符号，一个是分 (棋盘位置)，另一个是PGN (导致当前棋盘位置的移动顺序)。

这让我想到，我最初选择了FEN作为数据格式来为网络提供数据，因为这看起来更容易处理，而且处理起来更轻松。然而，我现在想知道神经网络是否有额外的价值来知道一个位置出现的顺序(或者它是否知道这是因为强化学习的本质？)

举个例子吧。对我们人类来说，我们可以回顾过去，并意识到之前的位置是“一步一步的伴侣”。但是神经网络能把这两个位置联系起来吗？(并且能够“展望未来”，因为这一举措在它以前遇到的时候就成功了，所以它的结构得到了加强？)

我可以想象，这并不重要，因为网络是按顺序遇到它们的，所以它会将关联建立到那个位置(如果这有意义的话)，但我有点不确定。

因此，总之，你认为我应该用分饲料在目前的位置或PGN，甚至可能两者兼而有之？

Answer 1

因为PGN更长，可能更难处理，所以您应该怀疑它是否传输了比FEN更多的信息。在这种情况下，问题是:你以何种方式达到目前的董事会职位是否重要？它会影响下一步行动吗？我只想到两种情况：

1. 城堡：(以前国王和鹿都没有移动过)
2. 三重重复

至少第一个可以很容易地被一个额外的旗子覆盖。

一般来说，现有的概念可能不适合神经网络。如果你只想涵盖当前的董事会职位，我将决定一个固定大小的输入，例如存储为每个字段，什么数字是放在上面。例如，您可以使用一次热编码对该图形进行编码。这将给你8x8x(#数字)作为输入。像这样的方法会让你的生活更轻松。

如果您的目标是存储历史，那么PGN (或类似的东西，但以数字格式)将是一个合适的输入。但是，您可能需要处理动态长度的输入。