と金倶楽部

一ヶ月程遅れましたが、無明の学習が開始しました。ふ～～

設定はこんな感じ...

①三層パーセプトロンを使用...　入力層３６９、中間層８１、出力層２

３６９個のパラメターを８１に凝縮してそれを更に煮詰めた結果が評価関数の「出力」...と言う事です。

なぜ「中間層８１」か？中間層のノード数は入力ノードの１割から２割程度に設定するので当初８０程度を考えていました...将棋盤のマス目が８１なので、なんとなくです。

②データベースに取り込んだ約２９万局の棋譜からランダムに選び...

千日手局、引き分けは局は現在の所メリットが薄いと思ったのでスキップです。

③対局に出現した全局面を生成し...　３６９個のパラメターを抽出...

④TD(λ)と呼ばれる強化学習のアルゴリズムを使用しパーセプトロンを調整...

TD(λ)
http://www.eb.waseda.ac.jp/murata/ryotaro.nishino/openhouse/reinforce3.p...

②～④を気の遠くなるほど繰り返します。

「学習」に必要な時間は一局辺り１秒程度で済みます。一日辺り約８６，０００回位のペースです。

但し、一局辺りの学習量は微細です。

...で、何を「学習」するのか？　（続）