こんばんは。
以前のプルリクエスト（ #36 ）と同様に
評価関数の学習時にWDLを使うオプションを追加してみました。
learn use_wdl 1 ... のように指定すると、sigmoidを使うwinning_percentage()の代わりに
win rate modelによるWDLを用いた勝率を使うようになります。

以前のプルリクエストの際はクロスエントロピーの微分が難しく、一旦Revertして頂きました。
今回の実装では解析的な微分はあきらめて、数値微分にしました。

デバッグ用に、（WDLではなく）通常のsigmoidによる勝率の場合に
数値微分で計算した結果と、解析的な微分結果である(q - p)や(q - t)を比べると
誤差の範囲でほぼ一致することを確認しました。
（スケールをあわせるため、数値微分の結果をwinning_probability_coefficientで割っています）

最近導入されたconvert_teacher_signal_to_winning_probabilityが指定された場合にも対応したつもりです。
なお、LOSS_FUNCTIONとしては、今回はLOSS_FUNCTION_IS_ELMO_METHODにだけ対応しました。

ただ、手元で少し学習させてみましたところ、学習にはあまり効果がないようでした。（というより、逆効果でした）

※現在、機械学習バイナリのリリースに向けて、Stockfish masterマージ後のリグレッションテストを実施されている旨、twitterで拝見しました。
　このプルリクエストをマージして頂ける場合、次回リリース後で構いません。