文献

J-GLOBAL ID：202102237139183584   整理番号：21A1300603

契約橋の自動入札のためのニューラルモデル【JST・京大機械翻訳】

A Neural Model for Automatic Bidding of Contract Bridge

著者 (3件)： Zhang Xiaoyu (Beijing University of Posts and Telecommunications,State Key Laboratory of Networking and Switching Technology,Beijing,China) ,  Liu Wei (Beijing University of Posts and Telecommunications,School of Computer Science (National Pilot Software Engineering School),Beijing,China) ,  Yang Fangchun (Beijing University of Posts and Telecommunications,State Key Laboratory of Networking and Switching Technology,Beijing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： HPCC/DSS/SmartCity  ページ： 999-1005  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 契約ブリッジは,2つの相から成る不完全情報ゲームの典型的な代表である。契約橋における最も挑戦的な課題の一つは入札である。以前の研究は主に競争のない入札に焦点を当てた。しかし,それは実際には情報損失につながる場合ではない。本研究では,実際の入札プロセスをモデル化し,作業のマルチタスク特性を回復するための手の理解を紹介した。したがって,新しいニューラルアーキテクチャである自動入札モデル(ABM)を,このマルチタスク学習問題を解決するために設計した。層状LSTMを,実際のデータ,ならびに理解と入札成分をモデル化するために,プレーヤーに提供した。ABMは,実際のデータセットに関する包括的実験を通してその利点を証明した。最後に,本研究はABMの利点を要約した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *損失 ,  *ゲーム ,  *ニューラルネットワーク ,  *個人 ,  *計算機処理方式 ,  *機械学習
準シソーラス用語： マルチタスク ,  マルチタスク学習 ,  長短期記憶 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 契約 ,  入札 ,  ニューラルモデル