Fugu-MT 論文翻訳(概要): Improving Model and Search for Computer Go

論文の概要: Improving Model and Search for Computer Go

arxiv url: http://arxiv.org/abs/2102.03467v1
Date: Sat, 6 Feb 2021 01:20:17 GMT
ステータス: 処理完了
システム内更新日: 2021-02-11 07:02:15.849520
Title: Improving Model and Search for Computer Go
Title（参考訳）: コンピュータgoのモデルと検索の改善
Authors: Tristan Cazenave
Abstract要約: Alpha Zeroに続くゲームにおけるDeep Reinforcement Learningの標準は、残余ネットワークを使用し、より良い結果を得るためにネットワークの深さを増やすことである。本稿では,残余ネットワークの代替として移動ネットワークを改良し,その幅と深さに応じてネットワークの演奏強度を実験的に示すことを提案する。
参考スコア（独自算出の注目度）: 9.114710429587479
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The standard for Deep Reinforcement Learning in games, following Alpha Zero, is to use residual networks and to increase the depth of the network to get better results. We propose to improve mobile networks as an alternative to residual networks and experimentally show the playing strength of the networks according to both their width and their depth. We also propose a generalization of the PUCT search algorithm that improves on PUCT.
Abstract（参考訳）: alpha zeroに続くゲームにおける深層強化学習の標準は、残差ネットワークを使用し、より良い結果を得るためにネットワークの深さを高めることである。残存ネットワークの代替としてモバイルネットワークの改善を提案し、ネットワークの幅と深さの両方に応じて、ネットワークの再生強度を実験的に示します。また,PUCTを改良したPUCT探索アルゴリズムの一般化を提案する。

関連論文リスト

Multi-agent Reinforcement Learning with Graph Q-Networks for Antenna Tuning [60.94661435297309]
モバイルネットワークの規模は、手作業による介入や手作業による戦略を使ってアンテナパラメータの最適化を困難にしている。本研究では,モバイルネットワーク構成をグローバルに最適化するマルチエージェント強化学習アルゴリズムを提案する。シミュレーション環境におけるアンテナ傾き調整問題とジョイント傾き・電力制御問題に対するアルゴリズムの性能を実証的に示す。
論文参考訳（メタデータ） (2023-01-20T17:06:34Z)
RDRN: Recursively Defined Residual Network for Image Super-Resolution [58.64907136562178]
深部畳み込みニューラルネットワーク(CNN)は、単一画像超解像において顕著な性能を得た。本稿では,注目ブロックを効率的に活用する新しいネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2022-11-17T11:06:29Z)
Deep Learning without Shortcuts: Shaping the Kernel with Tailored Rectifiers [83.74380713308605]
我々は、ReLUの変種であるLeaky ReLUsと完全に互換性のある新しいタイプの変換を開発する。実験では,ResNetsと競合する深層バニラネットワークによる検証精度を考慮し,計算コストを考慮しない手法を提案する。
論文参考訳（メタデータ） (2022-03-15T17:49:08Z)
Channel Planting for Deep Neural Networks using Knowledge Distillation [3.0165431987188245]
我々は,植林と呼ばれる深層ニューラルネットワークのための新しいインクリメンタルトレーニングアルゴリズムを提案する。本システムでは,ネットワーク性能向上のためのパラメータの少ない最適ネットワークアーキテクチャを探索できる。 CIFAR-10/100 や STL-10 などの異なるデータセットに対する提案手法の有効性を評価する。
論文参考訳（メタデータ） (2020-11-04T16:29:59Z)
Mobile Networks for Computer Go [4.38602607138044]
本稿では,教師あり学習を用いた囲碁ゲームにおけるモバイルネットワークの関心度を評価することを提案する。パラメータ数を有するネットワークの精度,平均二乗誤差,ネットワークの効率,トレーニングされたネットワークの演奏速度,強度を評価する。
論文参考訳（メタデータ） (2020-08-23T17:57:33Z)
Cascade Network with Guided Loss and Hybrid Attention for Two-view Geometry [32.52184271700281]
本稿では,損失とFn値の直接負の相関関係を確立するためのガイド付き損失を提案する。次に,特徴抽出のためのハイブリットアテンションブロックを提案する。実験により,我々のネットワークは,ベンチマークデータセットの最先端性能を達成することが示された。
論文参考訳（メタデータ） (2020-07-11T07:44:04Z)
Cognitive Radio Network Throughput Maximization with Deep Reinforcement Learning [58.44609538048923]
RF-CRN(Radio Frequency powered Cognitive Radio Networks)は、IoT(Internet of Things)などの最新のネットワークの目と耳である可能性が高い。自律的と考えるには、RF駆動のネットワークエンティティは、ネットワーク環境の不確実性の下でネットワークスループットを最大化するために、ローカルで決定する必要がある。本稿では,この欠点を克服し,無線ゲートウェイがネットワークスループットを最大化するための最適なポリシーを導出できるように,深層強化学習を提案する。
論文参考訳（メタデータ） (2020-07-07T01:49:07Z)
Exploring Model Robustness with Adaptive Networks and Improved Adversarial Training [56.82000424924979]
入力サンプルに条件付きでネットワークを適応させる条件正規化モジュールを提案する。適応的ネットワークは、一度逆さまに訓練された場合、クリーンな検証精度と堅牢性の両方において、適応的でないネットワークよりも優れています。
論文参考訳（メタデータ） (2020-05-30T23:23:56Z)
Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
論文参考訳（メタデータ） (2020-04-06T15:51:00Z)
Quasi-Equivalence of Width and Depth of Neural Networks [10.365556153676538]
人工ニューラルネットワークの設計が指向性を持つかどうかを検討する。 De Morgan法に触発されて、ReLUネットワークの幅と深さの間に準等価性を確立する。以上の結果から,深層ネットワークは任意に小さな誤差を被る広い等価性を有することがわかった。
論文参考訳（メタデータ） (2020-02-06T21:17:32Z)
Variational Depth Search in ResNets [2.6763498831034043]
ワンショットのニューラルアーキテクチャサーチにより、ウェイトとネットワークアーキテクチャの合同学習が可能になり、計算コストが削減される。探索空間を残差ネットワークの深さに制限し、解析的に抽出可能な変分目的を定式化し、1ショットで近似された奥行きの奥行きの偏りを許容する。 MNIST, Fashion-MNIST, SVHNデータセットのネットワーク深度を手動で探索する手法の比較を行った。
論文参考訳（メタデータ） (2020-02-06T16:00:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。