文献

J-GLOBAL ID：201502206185731290   整理番号：15A0568483

対局に基づいた教師データの重要度の学習

Learning Weights of Training Data by Game Results

著者 (3件)： 佐藤佳州 (筑波大 大学院システム情報工学研究科) ,  佐藤佳州 (パナソニック 先端技研) ,  高橋大介 (筑波大 システム情報系)
資料名： 情報処理学会論文誌ジャーナル(Web)
巻： 55  号： 11  ページ： 2399-2409 (WEB ONLY)  発行年： 2014年11月15日 
JST資料番号： U0452A  ISSN： 1882-7764  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 近年,ゲームプログラミングの分野では機械学習が大きな注目を集めており,評価関数,探索深さ,モンテカルロ木探索のplayoutの方策等,多くのパラメータの学習で成功を収めている。現在のゲームプログラミングにおける機械学習では,人間のエキスパートの棋譜を教師として,その指し手に近づけるようにパラメータの調整を行っている。しかし,将棋等のゲームでは,コンピュータはすでに人間のトッププレイヤに迫る強さとなっており,単純に人間の指し手を再現することが必ずしも「強い」プレイヤの生成に結び付くとは限らない。本論文では,このような課題を改善するため,教師データに重要度を導入した学習手法を提案する。提案手法では,勝率を適応度とした進化的計算による重要度の学習と,重要度に従ったパラメータ学習を組み合わせた学習を行う。提案手法を将棋の評価関数,実現確率,playoutの方策の学習へ適用した結果,従来手法との対局実験において有意に勝ち越すことに成功し,その有効性を示した。また,実験結果から局面の進行度や戦術等によって教師データの重要度に違いが生じることが分かり,教師データの効果的な利用により,より強いプログラムを実現する知識の獲得が可能となることを示した。(著者抄録)

シソーラス用語： *ゲーム理論 ,  *機械学習 ,  優先順位 ,  計算機プログラミング ,  ゲーム ,  評価関数 ,  木探索 ,  モンテカルロ法 ,  パラメータ推定 ,  Bayes推定 ,  確率モデル
準シソーラス用語： ゲームプログラミング ,  コンピュータ将棋 ,  パラメータの推定 ,  パラメータラーニング ,  重要度

分類 (2件)： ゲーム理論  (KA03060T) ,  人工知能  (JE08000Z)

引用文献 (29件)：

• 保木邦仁:局面評価の学習を目指した探索結果の最適制御,第11回ゲーム・プログラミングワークショップ,pp.78-83(2006).
• Tesauro, G.: Comparison training of chess evaluation functions, Machines that learn to play games, pp.117-130, Nova Science Publishers, Inc. (2001).
• 保木邦仁:「Bonanza 4.1.3」ソースコード,コンピュータ将棋の進歩6,pp.1-22,共立出版(2012).
• 鶴岡慶雅:「激指」の最近の改良について-コンピュータ将棋と機械学習,コンピュータ将棋の進歩6,pp.71-83,共立出版(2012).
• 金子知適:「GPS将棋」の評価関数とコンピュータ将棋による棋譜の検討,コンピュータ将棋の進歩6,pp.25-44,共立出版(2012).

タイトルに関連する用語 (4件)： 対局 ,  教師データ ,  重要度 ,  学習