学習を進めていくと無駄な王手が増えてしまうことへの対処として、教師データの改善を考えます。本当はより強いモデルで教師データを作れば自然と解消されると思うのですが、データ作成時間の問題もあり、すぐにはできないので、別のやり方を考えます。現状…

全結合とCNN（持ち駒分離）モデルとマイロ将棋1.0を対局させ、強さを比較しました。全結合よりは少し上回っていますが、マイロ将棋1.0に対してはまだまだです。 CNN（持ち駒分離） 対 マイロ将棋1.0 対局の様子を眺めていると、持ち駒分離モデルが無駄に王手…

全結合とCNN（持ち駒分離）モデルをマイロ将棋0.1と対局させて強さを比較しました。全結合でもマイロ将棋0.1には圧勝していましたが、CNN（持ち駒分離）モデルではさらに勝率が高くなり、マイロ将棋0.1にほとんど勝っています。ただ惜しくも全勝には至らず、…

CNN（持ち駒分離）の学習結果として、誤差がどのくらい縮まるのかを見ます。100万局面単位で処理すると時間が掛かりすぎるので、ここからしばらくは10万局面単位で100万局面（学習回数1000回）程度までの結果を確認します。全結合のモデルでは1000回学習した…

CNN（コンボリューショナルニューラルネットワーク、畳み込みニューラルネットワーク）を用いたモデルで学習をします。CNNは特に画像認識の分野で力を発揮し、近年のディープラーニングのブームを作るきっかけになったものと言ってもいいと思います。アルフ…