講演抄録/キーワード |
講演名 |
2010-03-11 11:05
オンライン適応自然勾配法による囲碁の盤面評価の学習 ○富澤弘貴・前田新一・石井 信(京大) NC2009-164 |
抄録 |
(和) |
囲碁は、黒石と白石の2種類の石のみを使うシンプルなルールをもつゲームであるが、$19\times19$の広い盤面を用いるため先読みなどの探索が難しく、エキスパートの棋力に迫るコンピュータ囲碁エージェントが出現していないのが現状である。コンピュータ囲碁エージェントの作成には盤面評価を行う必要があるが、本研究ではエキスパート同士が対戦した棋譜を用いた囲碁の盤面評価関数の教師あり学習を提案する。 この教師あり学習では、階層型ニューラルネットワークを用い、
入力を対戦棋譜中のある一つの盤面、出力をその対戦の勝敗を表す二値(0, 1)と
して学習を行うことで、入力として与えられた盤面における期待勝率(盤面評価)
を出力することが期待される。
囲碁の盤面のような高次元入力データをもつデータを過学習せずに学習させるのは困難であるが、囲碁の特
性を利用したパラメータ削減を行うことでパラメータ空間の自由度を制限した。
また、大量のデータを高速に学習させるためにフィッシャー情報行列をブロック対角行列で近似し、その逆行列を逐次的に計算可能なオンライン適応自然勾配法を用いた。 |
(英) |
We propose a supervised learning of Go board state evaluation function with many game records of experts'. By training a hierarchical neural network of which input is a board state of game records and output is binary (Black's win or White's win), the network is expected to output the expected winning probability (evaluation) of input board state.
Because it is difficult to learn large dimensional data such as Go board without overtraining, we restrict the dimension of parameters by taking into account of Go specific properties. Furthermore, we use online adaptive natural gradient method of which fisher information matrix is approximated by a block diagonal matrix to learn the huge number of data faster. |
キーワード |
(和) |
囲碁 / ニューラルネットワーク / 適応自然勾配法 / / / / / |
(英) |
Go / neural network / adaptive natural gradient method / / / / / |
文献情報 |
信学技報, vol. 109, no. 461, NC2009-164, pp. 449-454, 2010年3月. |
資料番号 |
NC2009-164 |
発行日 |
2010-03-02 (NC) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
NC2009-164 |
研究会情報 |
研究会 |
NC MBE |
開催期間 |
2010-03-09 - 2010-03-11 |
開催地(和) |
玉川大学 |
開催地(英) |
Tamagawa University |
テーマ(和) |
一般 |
テーマ(英) |
General |
講演論文情報の詳細 |
申込み研究会 |
NC |
会議コード |
2010-03-NC-MBE |
本文の言語 |
日本語 |
タイトル(和) |
オンライン適応自然勾配法による囲碁の盤面評価の学習 |
サブタイトル(和) |
|
タイトル(英) |
Learning of Go board state evaluation by online adaptive natural gradient method |
サブタイトル(英) |
|
キーワード(1)(和/英) |
囲碁 / Go |
キーワード(2)(和/英) |
ニューラルネットワーク / neural network |
キーワード(3)(和/英) |
適応自然勾配法 / adaptive natural gradient method |
キーワード(4)(和/英) |
/ |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
富澤 弘貴 / Hiroki Tomizawa / トミザワ ヒロキ |
第1著者 所属(和/英) |
京都大学 (略称: 京大)
Kyoto university (略称: Kyoto Univ.) |
第2著者 氏名(和/英/ヨミ) |
前田 新一 / Shin-ichi Maeda / マエダ シンイチ |
第2著者 所属(和/英) |
京都大学 (略称: 京大)
Kyoto university (略称: Kyoto Univ.) |
第3著者 氏名(和/英/ヨミ) |
石井 信 / Shin Ishii / イシイ シン |
第3著者 所属(和/英) |
京都大学 (略称: 京大)
Kyoto university (略称: Kyoto Univ.) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2010-03-11 11:05:00 |
発表時間 |
25分 |
申込先研究会 |
NC |
資料番号 |
NC2009-164 |
巻番号(vol) |
vol.109 |
号番号(no) |
no.461 |
ページ範囲 |
pp.449-454 |
ページ数 |
6 |
発行日 |
2010-03-02 (NC) |