学習時の移動距離の出力誤差を図 6.5 に示す。
これを見ると、内部記憶を用いたニューラルネットワークの方は明らかに、 学習回数に応じて誤差が収束していっている。 特に、250万回あたりまでは著しい誤差の減少が見られる。 収束した誤差は約0.01となり、 実際のゲーム出力に変換すればわずか0.3[pixel]の差となり、 画面上で判別できないほどの誤差となるので、 理想の出力と呼べるほどに学習できているのではないだろうか。
一方、内部記憶を用いないニューラルネットワークの方は、 大きく振動をしながら収束をしているように思われる。 特に1000万回前後の振動は激しいのが見てとれる。 内部記憶を用いたものと比べ、収束の位置は 約0.05と、出力誤差としては内部記憶を持つものに劣っていることが分かる。 しかしながら、これも実際の出力に変換するとわずか1.5[pixel]となり、 内部記憶を持つものに及ばないまでも、 学習は十分に出来ていると考えられる。
