@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00183835,
 author = {大川, 貴聖 and 吉仲, 亮 and 篠原, 歩 and Takaaki, Okawa and Ryo, Yoshinaka and Ayumi, Shinohara},
 book = {ゲームプログラミングワークショップ2017論文集},
 month = {Nov},
 note = {人狼ゲームで勝利するためには，各プレイヤの役職を推定することが重要である．先行研究では，サポートベクターマシンを用いて人狼を推定する手法が提案された．本論文では，先行研究を基に，深層学習を用いて役職を推定するエージェントを提案する．学習で使用する特徴を増やし，学習モデルをサポートベクターマシンから多層パーセプトロンに変更した．また，計算機実験において，過去の人狼知能大会のエージェントと対戦し，その勝率と推定精度に対する評価を行った．その結果，提案手法が有効であることを確認した．, Deducing each player's role is important to win the Werewolf game. A previous study has pro-posed a method that deduces a werewolf using Support Vector Machine. This paper proposes an AI Wolf agent that deduces player's role using Deep Learning on the basis of the previous study. We use more features in the learning and change the learning model from Suppport Vector Machine to Multilayer Perceptron. In addition, we performed some computer experiments that compared the proposed method with AI Wolf agents of a past AI Wolf Contest, and we evaluated our agent's winning rate and deduction accuracy. The experimental results validate that the proposal method is effective.},
 pages = {50--55},
 publisher = {情報処理学会},
 title = {深層学習を用いて役職推定を行う人狼知能エージェントの開発},
 volume = {2017},
 year = {2017}
}