前回記事の続きです。

NNUE型がそんなに戦型判定について優れているのなら、戦型ごとに良い指し手(良い駒の配置)を学習することが出来そうですし、同様に序盤の指し手(良い駒の配置)と中終盤の指し手(良い駒の配置)をそれぞれ分けて学習させれば、さらに強くなるのでは？と考えるのは自然なことです。 続きを読む →

※　タイトルは「AWSの費用に換算して1000万円分の計算資源」という意味です。「AWSにおいて1000万円分の計算資源を溶かした」という意味ではありません。念の為。

WCSC29に参加することにしたものの、やねうら王、一向に強くならないんですよ。

続きを読む →

WCSC(世界コンピュータ将棋選手権)自体、運営側の高齢化に伴い、その存続自体が危ぶまれている大会なのであまりルールについてあれやこれや言っても仕方ないかと思いながら傍観しているのですが、それにしてもライブラリ制度が穴だらけで自分で地雷を踏んでしまわないか心配ではあります。

続きを読む →

『将棋神やねうら王』に収録されているtanuki-(2018年度版)がelmo(WCSC27)からR230ほど強くなっている。

続きを読む →

昨日、魚沼産コシヒカリを食べに魚沼市に行ってました。

続きを読む →

前回記事の続きをやっていきましょう。

前回、入力をK(玉のある升 81通り) + P(玉以外の駒の種類・升を表現した通し番号 1548通り)として、1つのニューロンで穴熊に囲えるということを説明しました。

続きを読む →

今回は、NNUE評価関数の一番シンプルな形で何故穴熊に囲えるのかについて解説してみます。

続きを読む →

経緯としては昨年のWCSC28(第28回 世界コンピュータ将棋選手権)で以下のような話があったからです。

続きを読む →

やねうら王チーム、WCSC29(第29回 世界コンピュータ将棋選手権)の参加申し込みしました。

続きを読む →

NNUE評価関数は、ネットワーク構成を簡単にカスタマイズできるようになっている。

そこで、入力をK(玉のいる升)とP(どの升にどの駒がいるかに対応する値)だけにして(81升 + 1629通り = 1710)、hidden層の1層目を256×2、2層目・3層目を32にして学習させた。(K-P-256-32-32) NNUEを知らない人のために書くと、各層は全結合。

続きを読む →