畳み込みニューラルネットワークの構築

今回の実験で用いる畳み込みニューラルネットワークは、5.3に示したMNISTを用いた畳み込みニューラルネットワークをもとに構築する。 5.3からの変更点を挙げていく。

• 今回用いるデータは$8\times 8$サイズ、2チャンネルで構成されているため、第1畳み込み層に入力する際のデータサイズを調整する。
• MNISTの畳み込み処理では、$5\times 5$サイズのフィルタを適用して畳み込み処理を行っていたが、今回のデータでは第1プーリングを行った時点でデータサイズが$4\times 4$、32チャンネルのデータとなり、$5\times 5$サイズのフィルタを適用することができないため、$3\times 3$サイズのフィルタを適用する。
• MNISTの例はいわゆる分類問題であり、オセロの局面評価は回帰問題である。そのため、出力層の数は1つとなる。これに際して、損失関数として2乗和誤差（mean squared error）を用いる。 ニューラルネットワークの出力を$y_k$、教師信号を$t_k$とすると、2乗和誤差は式（6.2）で表される。 また、最適化には最急降下法を用いる。

$$E = \frac{1}{2}\sum_k (y_k-t_k)^2$$ (26)