BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Departamento de Computación - ECPv6.15.18//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:Departamento de Computación
X-ORIGINAL-URL:https://www.dc.uba.ar
X-WR-CALDESC:Eventos para Departamento de Computación
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:America/Sao_Paulo
BEGIN:STANDARD
TZOFFSETFROM:-0300
TZOFFSETTO:-0300
TZNAME:-03
DTSTART:20230101T000000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20241217T110000
DTEND;TZID=America/Sao_Paulo:20241217T120000
DTSTAMP:20260515T170816
CREATED:20241211T132949Z
LAST-MODIFIED:20241211T132949Z
UID:9627-1734433200-1734436800@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Martín Emiliano Lombardo
DESCRIPTION:Título: Feature set analysis for chess NNUE networks\nDirector: Agustín Sansone\nCo-Director: Diego Fernandez Slezak \nJurados: Pablo Riera y Gonzalo Ruarte \nResumen:\nHistóricamente\, los motores de ajedrez han utilizado funciones altamente complejas para evaluar posiciones de ajedrez. Recientemente\, las redes neuronales eficientemente actualizables (NNUE) han desplazado a estas funciones sin necesidad de utilizar conocimiento humano. El input de estas redes se denomina feature sets y se aprovechan del orden en que se evalúan las posiciones en una búsqueda depth-first para ahorrar cómputo.\nEn esta tesis se desarrolla un motor de ajedrez clásico\, en donde la función de evaluación es reemplazada por una red NNUE entrenada con un pipeline creado de cero. Esta tesis busca probar novedosos feature sets que puedan mejorar los que ya existen. Adicionalmente\, se prueba una manera alternativa de entrenar las redes utilizando un método propuesto hace años pero con un volumen y calidad de datos superiores disponibles en la era post-NNUE.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-martin-emiliano-lombardo/
LOCATION:Aula 1113
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR