文献

J-GLOBAL ID：202102241995941004   整理番号：21A0066541

ボードゲームにおける深層強化学習の応用【JST・京大機械翻訳】

Application of Deep Reinforcement Learning in the Board Game

著者 (4件)： Hu Junmin (College of Information Science and Engineering, Wuchang Shouyi University,Wuhan,China) ,  Zhao Fengyi (Nankai University Binhai College,Department of Computer Science,Tianjin,China) ,  Meng Jun (College of Information Science and Engineering, Wuchang Shouyi University,Wuhan,China) ,  Wu Shiyuan (College of Information Science and Engineering, Wuchang Shouyi University,Wuhan,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICIBA  ページ： 809-812  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： 深層強化学習は,人工知能につながるコア技術の1つである。それは,モバイル電子商取引プラットフォームにおけるロボット,自律運転,発電所制御および人間-コンピュータ相互作用だけでなく,ゲームにおいても広く使用されている。人工知能のゲームソフトウェアAlphaGoは,2017年にKe Jieを打ち消した。それ以来,人工知能と深い強化の研究は広く関係する。著者らは,TensorFlowおよびモンテカルロツリー探索アルゴリズムを用いてニューラルネットワークモデルを構築し,エージェントは,ボードゲームにおいて人間による playingみの水準に達することができる。gobangインタフェイスはPythonによって実現して,PhoenixGo再発は完成した。計算を減少して,エージェントの訓練効果は,gobang戦略的価値ネットワークの確立を最適化することによって改良した。ブラックハンドは,まず73%の勝利率を達成することができ,そして,人間のプレーヤーに対して演ずるとき,ホワイトハンドは最初に64%である。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： モンテカルロ法 ,  アルゴリズム ,  最適化 ,  相互作用 ,  *ゲーム ,  ネットワーク ,  ロボット ,  木探索 ,  人工知能 ,  コンピュータ ,  携帯電話 ,  エージェント ,  電子商取引
準シソーラス用語： ゲームソフト ,  Python , 【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)： ボードゲーム ,  深層強化学習 ,  応用