DenseNet の将棋 AI への適用

• Item type: Symposium(1)
• 公開日: 2023-11-10
• タイトル: DenseNet の将棋 AI への適用
• タイトル / 言語: en
• タイトル: Application of DenseNet to Shogi AI
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 将棋
• キーワード / 主題Scheme: Other
• キーワード / 主題: Deep Learning
• キーワード / 主題Scheme: Other
• キーワード / 主題: DenseNet
• 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: 筑波大学
• 著者所属: 筑波大学
• 著者所属: 筑波大学
• 著者所属(英): en
• 著者所属(英): University of Tsukuba
• 著者所属(英): en
• 著者所属(英): University of Tsukuba
• 著者所属(英): en
• 著者所属(英): University of Tsukuba
• 著者名: 竹内, 元気; 儀同, 政伸; 掛谷, 英紀
• 著者名(英): Genki, Takeuchi; Masanobu, Gido; Hideki, Kakeya
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年将棋 AI において Deep Learning を用いた手法が広く採用されている．多くの将棋 AI において学習ネットワークに 1 層ごとにスキップ接続を行う ResNet を使用している．しかしながら ResNet では直前の層以外と直接特徴量を比較できないという問題がある．本研究では直前までのすべての層と接続する DenseNet を学習ネットワークに使用し，ResNet との局面評価精度及び推論性能の比較を行う．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In recent years, methods utilizing deep learning have been widely adopted in Shogi AI. Many of these AIs employ the use of ResNet, a learning network that incorporates skip connections for each layer. However, a limitation of ResNet is its inability to directly compare feature maps beyond the preceding layer. In this study, we explore the use of DenseNet, a learning network that connects with all previous layers, and compare its classification accuracy and inference performance with ResNet.
• 書誌情報: ゲームプログラミングワークショップ2023論文集; 巻 2023, p. 70-72, 発行日 2023-11-10
• 出版者 / 言語: ja
• 出版者: 情報処理学会