WEKO3
アイテム
重ね合わせによるデータ構造を用いた評価関数の学習
https://ipsj.ixsq.nii.ac.jp/records/97708
https://ipsj.ixsq.nii.ac.jp/records/977086ffec4b6-857d-4131-bb8b-8652c2241fa4
名前 / ファイル | ライセンス | アクション |
---|---|---|
![]() |
Copyright (c) 2008 by the Information Processing Society of Japan
|
|
オープンアクセス |
Item type | Symposium(1) | |||||||
---|---|---|---|---|---|---|---|---|
公開日 | 2008-10-31 | |||||||
タイトル | ||||||||
タイトル | 重ね合わせによるデータ構造を用いた評価関数の学習 | |||||||
タイトル | ||||||||
言語 | en | |||||||
タイトル | Learning of Evaluation Function Using a Data Structure from Superposition of Feature Vector | |||||||
言語 | ||||||||
言語 | jpn | |||||||
資源タイプ | ||||||||
資源タイプ識別子 | http://purl.org/coar/resource_type/c_5794 | |||||||
資源タイプ | conference paper | |||||||
著者所属 | ||||||||
東京農工大学大学院工学府情報工学専攻 | ||||||||
著者所属 | ||||||||
東京農工大学大学院工学府 | ||||||||
著者所属 | ||||||||
東京農工大学大学院工学府 | ||||||||
著者所属 | ||||||||
東京農工大学大学院工学府 | ||||||||
著者所属(英) | ||||||||
en | ||||||||
Department of Computer and Information Sciences, Graduate school of Technology, Tokyo University of Agriculture and Technology | ||||||||
著者所属(英) | ||||||||
en | ||||||||
Department of Computer and Information Sciences, Tokyo University of Agriculture and Technology | ||||||||
著者所属(英) | ||||||||
en | ||||||||
Department of Computer and Information Sciences, Tokyo University of Agriculture and Technology | ||||||||
著者所属(英) | ||||||||
en | ||||||||
Department of Computer and Information Sciences, Tokyo University of Agriculture and Technology | ||||||||
著者名 |
築地, 毅
× 築地, 毅
|
|||||||
著者名(英) |
Tsukiji, Tsuyoshi
× Tsukiji, Tsuyoshi
|
|||||||
論文抄録 | ||||||||
内容記述タイプ | Other | |||||||
内容記述 | 特徴ベクトルに重ね合わせという考え方を導入した新しいデータ構造による学習手法を提案する。Bonanza methodの確立により、多くの特徴量を持ち非常に高い精度を持った評価関数の学習に成功している。しかし、既存の方法では学習データにほとんど登場しない特徴の重みは正しく学習されず、結果としてスパースな要素を含む結果となってしまっている可能性がある。そこで将棋において、各特徴と共有している特徴を重ね合わせて学習を行うことでスパースを解決する新しい学習手法を示す。実験の結果、重ね合わせを用いることによって、重ね合わせを用いなかった際に陥るスパースを回避した重みを得ることが出来た。さらに、棋譜との一致率において重ね合わせを用いた学習が高い数値となった。 | |||||||
論文抄録(英) | ||||||||
内容記述タイプ | Other | |||||||
内容記述 | We propose a learning method by a new data structure which has a superposed feature vector. Recently, an evaluation function which has many features is learned very well by Bonanza method. However, the existing methods have a problem. The weights of the features that hardly appear are not correctly learned and there is a possibility of being a result including sparse elements as a result. The new learning method to solve a sparse data problem by superposing a shared feature to each feature is shown in shogi. The result is that the learning method showed avoiding the sparse elements and raised the concordance rate of the database by professional. | |||||||
書誌情報 |
ゲームプログラミングワークショップ2008論文集 巻 2008, 号 11, p. 144-151, 発行日 2008-10-31 |
|||||||
出版者 | ||||||||
言語 | ja | |||||||
出版者 | 情報処理学会 |