next up previous contents
Next: 盤面データの入力方法 Up: 盤面データのパターン化による実験 Previous: 盤面データのパターン化による実験

学習モデル

 7章では、それぞれ白、黒のみの盤面を考え、それぞれの盤面に石があれば入力ノードに1、なければ0を入力していた。 この方法でも学習方法を改善することによって学習誤差が低下することがわかったが、ここで別の入力方法を試すことにより更なる改善が出来ないか検討してみる。 入力方法については第8.2章で説明する。

この実験では第 7章と同様、パーセプトロンとバックプロパゲーションを用いる。 パーセプトロンの各ユニット数は、基本的には入力層が131166個,中間層が8個,出力層は1個である。 基本的にはと書いたのは、この後の実験において中間層の数などについて検証する時にこのとおりではなくなるためである。

この章での実験手順は、基本はすべて以下のとおりである。

まずパーセプトロンに4万棋譜をそれぞれ1回ずつ学習させる。ただし4万棋譜の中に同一の棋譜は存在しないものとする。 その後、学習に使用した棋譜とは別の4万棋譜をパーセプトロンに入力し、そのときの誤差を出力する。

全60手をいくつかに分割してそのときの学習誤差について検証する。

各種定数は以下のとおりに設定する。

[各種係数]
入力層の数:13116
中間層の数:8
出力層の数:1
ETA=0.1
ALPHA=0.9
分割数:12


Deguchi Lab.