エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
分散計算環境における並列パーセプトロンの 将棋評価関数への適用 浦 晃1,a) 三輪 誠2,b) 鶴岡 慶雅1,c) 近山 隆1,d) 概要:将棋の評価関数の学習時間を短縮することができれば、学習パラメー
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
分散計算環境における並列パーセプトロンの 将棋評価関数への適用 浦 晃1,a) 三輪 誠2,b) 鶴岡 慶雅1,c) 近山 隆1,d) 概要:将棋の評価関数の学習時間を短縮することができれば、学習パラメー
分散計算環境における並列パーセプトロンの 将棋評価関数への適用 浦 晃1,a) 三輪 誠2,b) 鶴岡 慶雅1,c)... 分散計算環境における並列パーセプトロンの 将棋評価関数への適用 浦 晃1,a) 三輪 誠2,b) 鶴岡 慶雅1,c) 近山 隆1,d) 概要:将棋の評価関数の学習時間を短縮することができれば、学習パラメータの調整などに時間をかけら れるようになるため有意義である。そこで、本研究では、将棋プログラムである激指の評価関数の学習を、 分散計算環境で並列化した。激指の評価関数の学習にはパーセプトロンが用いられている。パーセプトロ ンの並列化手法として、ミニバッチを用いる手法が提案されているため、これを評価関数の学習に適用し た。学習の評価には棋譜との一致率を用いた。64 台の計算機を用いた評価では、ある決められた一致率を 実現するための学習時間を 1/11.6 に短縮できることを示した。 Application of Parallel Perceptron to Shogi Evaluation