kate/BadFish
1
0
Fork 0
mirror of https://github.com/sockspls/badfish synced 2025-07-11 19:49:14 +00:00
Code Issues Releases Wiki Activity

Simplified source code to estimate the winning ratio from an eval value.

Browse source 
We need to adjust the eta again after this commit is pushed.
This commit is contained in:
nodchip 2020-06-28 11:37:15 +09:00
parent cb8accada2
commit 87c8b324f8
1 changed files with 5 additions and 22 deletions
Show stats Download patch file Download diff file Expand all files Collapse all files

27
src/learn/learner.cpp
View file

@ -1028,24 +1028,10 @@ double sigmoid(double x)
// 評価値を勝率[0,1]に変換する関数 // 評価値を勝率[0,1]に変換する関数
double winning_percentage(double value) double winning_percentage(double value)
{ {
// In Maxima, // 1/(1+10^(-Eval/4))
// load("C:/maxima-5.44.0/cform.lisp"); // = 1/(1+e^(-Eval/4*ln(10))
// PawnValueEg = 206; // = sigmoid(Eval/4*ln(10))
// cform(1.0 / (1.0 + 10.0 ^ (-value / PawnValueEg / 4.0))); return sigmoid(value / PawnValueEg / 4.0 * log(10.0));
constexpr double PawnValue = PawnValueEg;
return 1.0 * pow(pow(10.0, -0.25 * pow(PawnValue, -1) * value) + 1.0, -1);
}
double delta_winning_percentage(double value)
{
// In Maxima,
// load("C:/maxima-5.44.0/cform.lisp");
// PawnValueEg = 206;
// cform(diff(1.0/(1.0+10.0^(-value/PawnValue/4.0)),value));
constexpr double PawnValue = PawnValueEg;
return
0.5756462732485115 * pow(PawnValue, -1) * pow(10.0, -0.25 * pow(PawnValue, -1) * value) *
pow(pow(10.0, -0.25 * pow(PawnValue, -1) * value) + 1.0, -2);
} }
// 普通のシグモイド関数の導関数。 // 普通のシグモイド関数の導関数。
@ -1145,7 +1131,6 @@ double calc_grad(Value deep, Value shallow , const PackedSfenValue& psv)
const double q = winning_percentage(shallow); const double q = winning_percentage(shallow);
const double p = winning_percentage(deep); const double p = winning_percentage(deep);
const double dq = delta_winning_percentage(shallow);
// 期待勝率を勝っていれば1、負けていれば 0、引き分けなら0.5として補正項として用いる。 // 期待勝率を勝っていれば1、負けていれば 0、引き分けなら0.5として補正項として用いる。
// game_result = 1,0,-1なので1足して2で割る。 // game_result = 1,0,-1なので1足して2で割る。
@ -1156,9 +1141,7 @@ double calc_grad(Value deep, Value shallow , const PackedSfenValue& psv)
// 実際の勝率を補正項として使っている。 // 実際の勝率を補正項として使っている。
// これがelmo(WCSC27)のアイデアで、現代のオーパーツ。 // これがelmo(WCSC27)のアイデアで、現代のオーパーツ。
const double pp = (q - p) * dq / q / (1.0 - q); const double grad = lambda * (q - p) + (1.0 - lambda) * (q - t);
const double tt = (q - t) * dq / q / (1.0 - q);
const double grad = lambda * pp + (1.0 - lambda) * tt;
return grad; return grad;
} }