持ち駒分離モデルにResNetの層を追加します。これまでの結果でCNNだけでも通常のニューラルネットワークに比べて学習の効果が高まることを確認しました。ですが2015年にMicrosoft Researchにより提案されたResNet（Residual Network、残差ネットワーク）の考え方を適用することで学習効果はさらに向上します。あまり詳しく理解できてはいないのですが、CNNのみでは層を多数重ねた時に学習効果が得られなくなる問題が、ResNetを用いることで改善するようです。通常は残差ブロックを多数重ねて使用しますが、今回は持ち駒分離モデルに残差ブロックを1つだけ追加します。このモデルを持ち駒分離ResNet1と呼びます。
学習結果を見ると、誤差の減り具合は持ち駒分離ととても似ています。ほとんど区別がつきません。
