将棋 AI における DenseNet の改良と局面識別精度の評価

情報処理学会

書誌事項

タイトル別名
  • Improvements to DenseNet in Shogi AI and Evaluation of Board State Identification Accuracy

説明

近年，将棋 AI において Deep Learning を用いた手法が広く採用されている．多くの将棋 AI は ResNet を使用しているが，これは直前の層とのみ特徴量を比較するため，それ以外の層と直接比較できない．この問題を解決するために DenseNet が提案されているが，層が深くなるとチャンネル数が増加し特徴量が複雑になりすぎるため，将棋AI において ResNet より局面識別精度が低下する傾向がある．本研究では，この問題を解決する改良版 DenseNet を考案し，局面識別精度の評価を行う．

In recent years, deep learning techniques have been widely adopted in Shogi AI. Many Shogi AI programs use ResNet, which only compares features with the immediately preceding layer, limiting direct comparison with other layers. To address this issue, DenseNet has been proposed, but as the network depth increases, the number of channels also increases, leading to overly complex features. Consequently, DenseNet tends to exhibit lower board state identification accuracy than ResNet in Shogi AI. This study proposes an improved version of DenseNet to solve this problem and evaluates its board state identification accuracy.

収録刊行物

キーワード

詳細情報 詳細情報について

問題の指摘

ページトップへ