PowerPoint Presentation
|
|
|
- しゅんすけ かなり
- 9 years ago
- Views:
Transcription
1 名人を超えるコンピュータ将棋 2013 年 8 月 伊藤英紀 1
2 目次 コンピュータ将棋概観 コンピュータ将棋の基礎技術 機械学習 並列処理 ボンクラーズ /Puella αの概要 将棋の後の人工知能 2
3 自己紹介 1988 富士通 ( 株 ) 入社 以来 CPU 設計 半導体製造のサポート マーケティングに従事 1998 趣味でコンピュータ将棋の開発を始める 2011 世界コンピュータ将棋選手権優勝 ( 株 ) 富士通研究所に異動 人工知能の研究に従事 3
4 コンピュータ将棋とは コンピュータが 思考 して指し手を決定する 人工知能の一分野 必要な情報は 決められたプロトコルにしたがって入出力される 盤面の画像認識や 駒を動かすロボット制御等は不要 4
5 コンピュータ将棋の歴史 1970 年代初めてプログラムが作成される初心者レベル 1980 年代商用プログラムが出はじめる ( 森田将棋 柿木将棋等 ) 級位者下位レベル 2007 年ボナンザが渡辺竜王と対戦 敗北アマチュア強豪レベル 2010 年あからが清水女流王将に勝つプロ下位レベル 2012 年ボンクラーズが米長永世棋聖に勝つ名人レベル 2013 年コンピュータ対プロ棋士の団体戦で3 勝 1 敗 1 分 名人を超えた? 5
6 世界コンピュータ将棋選手権 1990 年から毎年開催 ( 大体 GW) マシンは制限なし リモート参加も可 11 年優勝ボンクラーズ準優勝 Bonanza 12 年優勝 GPS 将棋準優勝 Puella α ( ボンクラーズから改名 ) 6
7 人間の棋士との対局 ボンクラーズー 米長永世棋聖 第一回将棋電王戦 ( ) 7
8 近年の棋力向上の主な要因 コンピュータチェス由来の探索技術 ( 含スレッド並列 ) 機械学習による評価関数の精緻化 クラスタ並列 8
9 コンピュータ将棋の基礎技術 Minimax 探索 αβ 探索評価関数と機械学習 反復深化 遷移表 ( ハッシュ ) Scout 探索 Null Move Pruning Late Move Reduction 探索延長 9
10 基礎技術 (1) Minimax 探索 自分は最大化を 相手は最小化を目指す相手は最善手を指すものと仮定 51 Maxノード 51 ゲーム木の例 ノード = 局面 アーク = 手 48 Min ノード 点が高い Max 側が形勢有利 10
11 基礎技術 (2) αβ 探索 自分は α 以上を 相手は β 以下を確保 した時 その外側になるなら無視できる Max ノード Min ノード β カット (α β) 幅が狭いほど高効率 良い手 から先に探索すべし 11
12 基礎技術 (2) αβ 探索 ( つづき ) 深さの設定 典型的には あらかじめ決められた深さでストップ そこで何らかの 評価関数 ( 形勢判断 ) で局面に得点をつける 状況に応じて深さを変えることも よさそうな手は深く 悪そうな手は浅く 手ごとに読む量が変わる 12
13 基礎技術 (3) 評価関数と機械学習 古典的な評価関数 直観的にわかりやすい数百個程度のパラメタを手調整 古典的な評価の例 : 駒割 歩 香 桂 銀 金 角 飛 基本価値 駒が成る価値 持駒の付加価値 YSS 1997 先手各駒の和 - 後手各駒の和 13
14 基礎技術 (3) 評価関数と機械学習 ( つづき ) 古典的な評価の例 : 玉との相対位置による得点 ( 後手金 ) X 軸については対称 YSS *
15 基礎技術 (3) 評価関数と機械学習 ( 続き ) Bonanza 登場 約 2 万個のパラメタを機械学習で自動調整 形勢判断の精度が飛躍的に向上 大会に初出場でいきなり優勝 2006 年 その後多くのソフトが機械学習を採用 現在は主流に 15
16 機械学習の説明 ( 簡単化バージョン ) 評価関数が次の形だとする E = ax + by + cz x : なら 1 else 0 a : その価値 y : なら 1 else 0 b : その価値 x/y/z/.. は局面ごとに異なる ( 変数 ) 特徴 という a/b/c/.. は共通 ( パラメタ ) これを決めたい 16
17 プロの棋譜を参考にする プロ棋士の指した手 プロ棋譜中の局面 1 手指した後の局面たち 特徴 x y z : このときに評価が高くなるように a/b/c/.. を決めたい 17
18 少し違う問題を考えてみる 元の問題 考える問題 次元数 数万 数千万 2 変数定義域 0 or 1 実数 (- + ) ax + by 1 = 1 ax + by 1 = 0 ax + by 1 = -1 E = ax + by 1 はこんな方向の直線であればよさそう 18
19 もう一段 問題を簡単化 元の問題考える問題局面ごとに正解一つ全部いっしょくた E > 0 E = ax + by 1 = 0 E < 0 問 : 点 (x,y) が多数あり その各々が OK か NG かわかっているとする これらの点の情報から OK E>0 となる a,b を決定せよ 19
20 解法 ( の一つ ) 最初に 適当な初期値を決める a = -6, b = 9 等 ( ランダムでよい ) 点 (x,y) を一つずつ見ていく OK を NG と誤答する (E<0 だが OK) 点があれば E が大きくなるように a,b を少し変える 例 :(6,3) が OK だが E= <0 a: , b: などとする (a,b) を動かす方向は 単位長あたり E の増加が最大 に (x,y) と同方向 逆の場合 (E>0 だが NG) は E を小さくする 正答 (E>0&OK, E<0&NG) ならそのまま 20
21 要するに何をやってるの? E: 正しい評価関数 E': 現在の ( 仮の ) 評価関数 E' < 0 E>0&E <0 E > 0 E>0&E >0 E > 0 E = ax + by 1 = 0 E < 0 E<0&E >0 E' = a'x + b'y 1 = 0 E<0&E <0 誤答 ( 薄黄 ) を見ると 仮の直線 ( 青 ) を少しずつ緑矢印の方に動かし 正しい直線 ( 赤 ) に近づける 21
22 プログラム実行結果 right answer: a= b=1.000 i= 0: a= b=9.000 i= 20000: a= b=4.269 i= 40000: a= b=3.570 i= 60000: a= b=3.253 i= 80000: a= b=2.598 i=100000: a= b=2.353 i=120000: a= b=2.081 i=140000: a= b=1.778 i=160000: a= b=1.398 i=180000: a= b=1.329 i=200000: a= b=1.090 i=220000: a= b=1.069 i=240000: a= b=1.053 多数回繰り返すと正解に近づいていく 元の問題も本質的に類似の手法で解ける 22
23 並列処理 スレッド並列とクラスタ並列 並列化の困難さ 23
24 スレッド並列とクラスタ並列 スレッド ( 密結合 ) 並列 メモリを共有するプロセサ間の協調 ( 一筐体内 ) ( おおむね CPU 内の コア間の並列 と思えばよい ) スレッド使用可能 規模に制限あり CPU8(?) 台程度まで コンピュータチェスで古くから採用されている クラスタ ( 疎結合 ) 並列 メモリを共有せず ネットワークでつながったプロセサ間の協調 規模はほぼ制限なし スレッド使用不可 MPI 等使用 難易度高 将棋はつい最近までほとんど実績なし チェスでも数えるほど 24
25 並列化の困難さ 計算量 重いノードを担当するCPUは延々と計算軽いノードを担当するCPUはすぐ終わり 待ちが生じる ( 並列効果が出ない ) 単純に仕事を割り振ったのではダメ 様々な工夫が必要 台数増やせば強くなる わけではない 25
26 ボンクラーズ /Puella αの実装 ハード環境 ソフト環境 ボンクラーズ /Puella αの新技術 26
27 使用ハードウェア 第 1 回電王戦 富士通ブレードサーバ (BX400) 6 コア 2 ソケット 6 ブレード 27
28 使用ハードウェア 12 年選手権 普通の PC 4 台 & 100Mb ルータ計 ~40 万円 28
29 ソフト環境 Ubuntu Linux Intel cc ( 時々 gcc) OpenMPI gprof, gcov, vtune vi, make, printf(/gdb) ぜんぶ無料 29
30 並列処理の基礎技術 PVSplit A B C P Q R S あらかじめ最善手列 (PV) を予想しておく 1 まず P を探索 ( この時は並列化なし ) 2P が完了後 Q,R,S を並列探索 3A が完了 (i.e. P-S 全て完了 ) したら B,C を開始 30
31 ボンクラーズの技術 : 投機的実行とキャンセル / リトライ A B C P Q R S R, S, B, C とディスパッチする B, C では A の現在値 (=50) で探索を始める 40 2 その後 R が値 40 で返ると A の値が 40 に下がるので B,C も値 40 で探索しなおす 31
32 参考文献 伊藤英紀, コンピュータ将棋におけるクラスタ並列探索. pp , 電子情報通信学会誌 2013 年 2 月号 32
33 電王戦後の反響 - 機械が人間を超えるの? - 人間は機械に支配されるの? 人工知能の最先端の現状は 今どうなっているのか? 33
34 他のゲーム 完全情報ゲーム チェス オセロ チェッカー : 既にコンピュータが強い 囲碁 :2012 年 3 月 Zen が武宮九段に四子で勝利 人間を抜くまであと 5 10 年? 不完全情報ゲーム バックギャモン : 既にコンピュータが強い 麻雀 : コンピュータと人間が戦う文化がない? おそらく ゲームは囲碁が最後今後は実用が求められる 34
35 人工知能 の扱う領域 35
36 知能 の要素 入力 出力 視覚 画像認識 状況理解 ( 表情 身振り?) 計画 行動 聴覚 音声認識 自然言語処理 発話 音声合成 触覚 体性感覚 ( 各種センサー ) 運動 36
37 人工知能の現状 (1) Watson IBM が開発 アメリカのクイズ番組 ジョパディ! で人間のトッププレーヤーに勝つ * 音声認識はなし 入力は文字情報 音声 かいぎおせってー 文字列 会議を設定 文章 音声認識 自然言語処理 37
38 人工知能の現状 (2) Google Car 2004 年からの DARPA の無人運転車の研究を Google が引き継いだ * 日本では 2012 年 CEATEC で日産が無人運転デモ ( スーパー駐車場を想定 ) 38
39 人工知能の現状 (3) Siri 音声で話すと適切な処理をしてくれる ( こともある ) * 日本では しゃべってコンシェル あり (NTT) 39
40 人工知能の現状 (3) Siri( 続き ) 特定のパターンの文に反応するだけ 内容を理解しているわけではない 40
41 人工知能の現状 (4) ルンバ 部屋の状況 障害物を ( ある程度 ) 認識 経路を自分で考える 41
42 人工知能の現状 (5) 機械翻訳 - 多くの場合かなりまともな訳を出すようにはなってきた - ときどきひどい間違いをする (e.g. president を ブッシュ ) - そのまま実務には使えない 下訳に使うケースはある - 文を 理解 はしていない ( 統計的機械翻訳 ) 42
43 人工知能の現状 (6) 音声合成 ボーカロイド ( 初音ミク等 ) * 音域 速度は自由 * やや不自然さあり CeVio/MMDAgent * 感情をある程度出せる * 発話はプログラムされたもののみ 発話に関する研究でめぼしい物はほぼ皆無 43
44 人工知能の現状 (7) 運動制御 特定動作の繰り返しはかなりできる * 産業用ロボット * 自転車 ( 村田製作所ムラタセイサクくん ) * ポットからお茶を注ぐ ( ホンダアシモ ) * ジャグリング - チューリヒ工科大学の例 想定外の状況への対応はまだまだ 44
45 人工知能の現状 (8) 画像認識 Google 画像検索 * 画像で検索できる? 試してみた 45
46 人工知能の現状 (8) 画像検索結果 46
47 人工知能の現状 (8) 画像認識 ( 続き ) Google 画像検索では顔認識はあまり動かない模様 セキュリティ用に導入されている事例はある 正面 無表情 明暗一定 隠れてない ( 髪やサングラス ) 等が条件 47
48 人工知能の現状 (9) その他の話題 ローブナー賞 * チャットしている相手がコンピュータか人間かを当てる ( チューリングテスト ) 人間の審判がソフトと人間とそれぞれ話す 東大ロボプロジェクト * 国立情報学研究所が 2011 年開始 5 年後にセンター試験 10 年後に東大入試合格を目指す 48
49 知能 の要素 入力 出力 視覚 聴覚 触覚 体性感覚 画像認識 Google 画像検索 音声認識 Siri 自然言語処理 Watson 機械翻訳 状況理解ルンバ Goog le Car ( 表情 身振り?) 発話 音声合成 CeVio ( 各種センサー ) 運動 Quodrocopter 計画 行動ルンバ Google Car 49
50 まとめ 将棋はほぼ人間を超えた ゲームはあと囲碁くらい それももうすぐ それでも コンピュータは人間の知能にはまだまだ及ばない 多くのブレークスルーが必要 それだけチャレンジしがいもある 50
51 ご静聴ありがとうございました 51
Microsoft PowerPoint - vc2013.s.takeuchi.pptx
コンピュータ将棋の技術と GPS 将棋について JST ERATO 湊離散構造処理系プロジェクト 竹内聖悟 概要 GPS 将棋の紹介 コンピュータ将棋で使われる技術 形勢判断と先読み GPS 将棋の技術 今後の将棋 AI と研究 コンピュータ将棋と可視化 近年のコンピュータ将棋 2007 年 : 渡辺明竜王 -Bonanza 渡辺竜王の勝利 2010 年 : あから 2010- 清水市代女流王将 あからの勝利
しています. これには探索木のすべてのノードを探索する必要がありますが,αβカットなどの枝刈りの処理により探索にかかる計算時間を短縮しています. これに対して, 探索するノードを限定したり, 優先順位をつけて選択的に探索する 選択探索 という探索方式があります. 本チームはノードの選択方式としてノー
芝浦将棋 Softmax のチーム紹介 2017 年 3 月 14 日芝浦工業大学情報工学科五十嵐治一, 原悠一 1. はじめに本稿は, 第 27 回世界コンピュータ将棋選手権 (2017 年 5 月 3 日 ~5 日開催 ) に出場予定の 芝浦将棋 Softmax ( シバウラショウギソフトマックス ) のアピール文書です. 本チームは 芝浦将棋 Jr. から分離した初参加のチームです. 探索手法が従来の
> > <., vs. > x 2 x y = ax 2 + bx + c y = 0 2 ax 2 + bx + c = 0 y = 0 x ( x ) y = ax 2 + bx + c D = b 2 4ac (1) D > 0 x (2) D = 0 x (3
13 2 13.0 2 ( ) ( ) 2 13.1 ( ) ax 2 + bx + c > 0 ( a, b, c ) ( ) 275 > > 2 2 13.3 x 2 x y = ax 2 + bx + c y = 0 2 ax 2 + bx + c = 0 y = 0 x ( x ) y = ax 2 + bx + c D = b 2 4ac (1) D >
dlshogiアピール文章
第 28 回世界コンピュータ将棋選手権 dlshogi アピール文章 山岡忠夫 2018 年 5 月 1 日更新 下線部分は 第 5 回将棋電王トーナメントからの差分を示す 1 特徴 ディープラーニングを使用 指し手を予測する Policy Network 局面の勝率を予測する Value Network 入力特徴にドメイン知識を活用 モンテカルロ木探索 並列化 自己対局による強化学習 既存将棋プログラムの自己対局データを使った事前学習
レーティングと棋譜分析
将棋名人のレーティングと棋譜分析 山下宏 2014 年 11 月 7 日 GPW 箱根 大山 15 世名人と羽生名人 全盛期に戦えばどちらが強い? 大山康晴 15 世名人 タイトル獲得 80 期 昭和の覇者 羽生善治名人 1996 年に7 冠達成 平成の覇者 歴代名人の強さを調べる 対局の結果から 対局者の棋力を点数で表す 勝てば点数プラス 負ければマイナス いわゆるEloレーティング 棋譜の内容から
将棋吊人のレーティングと棋譜分析
歴代名人の強さ 山下宏 2017 年 10 月 13 日 札幌 NoMaps 大山 15 世名人と羽生棋聖 全盛期に戦えばどちらが強い? 大山 15 世名人昭和の大名人 羽生棋聖将棋史上最強と言われる (19 世名人 ) 時代が違う二人を直接戦わせることは不可能 しかし二人が指した棋譜は残されている 棋譜から強さを推定 将棋ソフトを使って解析 初心者からアマ高段者まで1800 局を調べた ソフトが悪手と指摘した手と棋力に関連性
ナッシュ均衡 ( 最適反応 ) 支配戦略のみで説明できない場合 ( その) 戦略 A 戦略 B 戦略 A (,) (0,0) 戦略 B (0,0) (,) 支配戦略均衡 : 無し ナッシュ均衡 :(,) と (,) 支配戦略均衡よりも適応範囲が広い ナッシュ均衡の良い性質 各プレイヤーは戦略変更の積
コンピュータ将棋の技術と展望 自己紹介 名前保木邦仁 ( 生まれ北海道東区 ) 年齢 36 職業電気通信大学特任助教 専門 00 年頃まで化学, 以降ゲーム情報学 コンピュータ将棋プログラム Bonanza を作っています 囲碁将棋から学ぶゲーム情報学公開講座保木邦仁 0 年 月 8 日 内容 将棋と関係するゲーム理論概略 将棋と関係するゲーム理論概略 チェス 将棋の思考アルゴリズム コンピュータ将棋対人間の歴史
用しないことを世界選手権大会で試みて参りました. 芝浦将棋 Jr. でも強化学習で評価関数 を学習するなど, 上記の開発コンセプトに沿って開発を進めていくつもりです. 3. 開発メンバー本チームの開発統括者は芝浦工業大学工学部情報工学科に所属する教員, 五十嵐治一教授です. 開発メンバーはすべて五十
芝浦将棋 Jr. のチーム紹介 2017 年 3 月 24 日 芝浦工業大学情報工学科 和田悠介, 古根村光, 桐井杏樹, 岩間雄紀, 内山正吏 1. はじめに本稿は, 第 27 回世界コンピュータ将棋選手権 (2017 年 5 月開催 ) に出場予定の 芝浦将棋 Jr. ( シバウラショウギジュニア ) の紹介文です. 本チームは芝浦工業大学工学部情報工学科の学生と教員により構成されており, 教育と研究の一環として活動しています.
将棋プログラムの現状と未来
将棋プログラムの現状と未来 鶴岡慶雅 2 1. はじめにコンピュータ将棋の実力はプロ棋士のレベルに近づきつつある その理由の一つは ハードウェアの進歩により探索を高速に実行できるようになったことにあるが ソフトウェアの面での進歩も大きい 本稿では 第 15 回世界コンピュータ将棋選手権で優勝した将棋プログラム 激指 ( げきさし ) の探索手法を中心にして 現在トップレベルにある将棋プログラムの中身
情報 システム工学概論 コンピュータゲームプレイヤ 鶴岡慶雅 工学部電子情報工学科 情報理工学系研究科電子情報学専攻
情報 システム工学概論 2018-1-15 コンピュータゲームプレイヤ 鶴岡慶雅 工学部電子情報工学科 情報理工学系研究科電子情報学専攻 DEEP Q-NETWORK (DQN) Deep Q-Network (Mnih et al., 2015) Atari 2600 Games ブロック崩し スペースインベーダー ピンポン etc. 同一のプログラムですべてのゲームを学習 CNN+ 強化学習 (Q-Learning)
EBNと疫学
推定と検定 57 ( 復習 ) 記述統計と推測統計 統計解析は大きく 2 つに分けられる 記述統計 推測統計 記述統計 観察集団の特性を示すもの 代表値 ( 平均値や中央値 ) や ばらつきの指標 ( 標準偏差など ) 図表を効果的に使う 推測統計 観察集団のデータから母集団の特性を 推定 する 平均 / 分散 / 係数値などの推定 ( 点推定 ) 点推定値のばらつきを調べる ( 区間推定 ) 検定統計量を用いた検定
世界コンピュータ将棋選手権参加報告、及び、GPS 将棋の技術
世界コンピュータ将棋選手権参加報告 及び, GPS 将棋のアルゴリズム JST ERATO 湊プロジェクト研究員竹内聖悟 1 概観 世界コンピュータ将棋選手権の紹介 今年は GPS 将棋が優勝 上位 5 プログラムがプロ棋士と対局予定 コンピュータ将棋のアルゴリズム GPS 将棋と そのアルゴリズムを紹介 約 800 台のマシンで疎結合並列探索 2 あらためて自己紹介 竹内聖悟 JST ERATO
Microsoft PowerPoint - mp11-06.pptx
数理計画法第 6 回 塩浦昭義情報科学研究科准教授 [email protected] http://www.dais.is.tohoku.ac.jp/~shioura/teaching 第 5 章組合せ計画 5.2 分枝限定法 組合せ計画問題 組合せ計画問題とは : 有限個の もの の組合せの中から, 目的関数を最小または最大にする組合せを見つける問題 例 1: 整数計画問題全般
漸化式のすべてのパターンを解説しましたー高校数学の達人・河見賢司のサイト
https://www.hmg-gen.com/tuusin.html https://www.hmg-gen.com/tuusin1.html 1 2 OK 3 4 {a n } (1) a 1 = 1, a n+1 a n = 2 (2) a 1 = 3, a n+1 a n = 2n a n a n+1 a n = ( ) a n+1 a n = ( ) a n+1 a n {a n } 1,
Microsoft PowerPoint - ゲーム理論2016.pptx
125 126 ゲーム理論 ( 第 6 回ゲーム木探索 II) 九州大学大学院システム情報科学研究院情報学部門横尾真 E-mail: [email protected] http://agent.inf.kyushu-u.ac.jp/~yokoo/ 先読みの効果 基本的には, 深く読めば読むほど強い 終盤の方が静的評価関数の値が信用できる そうでない場合は, 先読みの効果は必ずしも自明ではない
Microsoft Word - Scratch編_プログラム見本-Web用.docx
中学校技術 家庭 [ 技術分野 ] 教授用資料 やってみようプログラミング 補助資料 -Scratch 編 - p5 スプライトをダンスさせるスクリプト Scratch は MIT メディア ラボのライフロング キンダーガルテン グループによって開発されました 詳しくは http://scratch.mit.edu をご参照ください p5 Challenge 新しい音を読み込んだり, 録音したり,
指数関数的進化企業に及ぼす弱い連携の影響 日産自動車, 富士フイルム, 川崎重工業のイノベーションの源泉 1 115 12 13 14 15 16 2 21 22 23 24 25 3 31 32 321 322 323 332 4 41 42 43 5-17 - 18 1 115 4 5 9 1 5 5 2 152045 2 3 12015 22015 1000111000 100111200 112
統計的データ解析
統計的データ解析 011 011.11.9 林田清 ( 大阪大学大学院理学研究科 ) 連続確率分布の平均値 分散 比較のため P(c ) c 分布 自由度 の ( カイ c 平均値 0, 標準偏差 1の正規分布 に従う変数 xの自乗和 c x =1 が従う分布を自由度 の分布と呼ぶ 一般に自由度の分布は f /1 c / / ( c ) {( c ) e }/ ( / ) 期待値 二乗 ) 分布 c
Microsoft PowerPoint - qcomp.ppt [互換モード]
![Microsoft PowerPoint - qcomp.ppt [互換モード]](/thumbs/85/91243661.jpg "Microsoft PowerPoint - qcomp.ppt [互換モード]")
量子計算基礎 東京工業大学 河内亮周 概要 計算って何? 数理科学的に 計算 を扱うには 量子力学を計算に使おう! 量子情報とは? 量子情報に対する演算 = 量子計算 一般的な量子回路の構成方法 計算って何? 計算とは? 計算 = 入力情報から出力情報への変換 入力 計算機構 ( デジタルコンピュータ,etc ) 出力 計算とは? 計算 = 入力情報から出力情報への変換 この関数はどれくらい計算が大変か??
ビッグデータ分析を高速化する 分散処理技術を開発 日本電気株式会社
ビッグデータ分析を高速化する 分散処理技術を開発 日本電気株式会社 概要 NEC は ビッグデータの分析を高速化する分散処理技術を開発しました 本技術により レコメンド 価格予測 需要予測などに必要な機械学習処理を従来の 10 倍以上高速に行い 分析結果の迅速な活用に貢献します ビッグデータの分散処理で一般的なオープンソース Hadoop を利用 これにより レコメンド 価格予測 需要予測などの分析において
Arduino をドリトルから 制御する教材の試行 鈴木裕貴 1
Arduino をドリトルから 制御する教材の試行 鈴木裕貴 1 目次 1. はじめに 1.1. 背景と目的 1.2. ScratchとViscuit 1.3. ドリトル 2. 準備 2.1. ArduinoとRaspberry Pi 3. 演習内容 3.1. ドリトル 3.2. 指導内容例 4. まとめ 2 1. はじめに ( 背景 ) 原理 理解 活用社会 3 1. はじめに ( 背景 ) 原理
0 (18) /12/13 (19) n Z (n Z ) 5 30 (5 30 ) (mod 5) (20) ( ) (12, 8) = 4
0 http://homepage3.nifty.com/yakuikei (18) 1 99 3 2014/12/13 (19) 1 100 3 n Z (n Z ) 5 30 (5 30 ) 37 22 (mod 5) (20) 201 300 3 (37 22 5 ) (12, 8) = 4 (21) 16! 2 (12 8 4) (22) (3 n )! 3 (23) 100! 0 1 (1)
PowerPoint プレゼンテーション
総務省 ICTスキル総合習得教材 概要版 eラーニング用 [ コース1] データ収集 1-5:API によるデータ収集と利活用 [ コース1] データ収集 [ コース2] データ蓄積 [ コース3] データ分析 [ コース4] データ利活用 1 2 3 4 5 座学本講座の学習内容 (1-5:API によるデータ収集と利活用 ) 講座概要 API の意味とイメージを 主に利用しているファイル形式と合わせて紹介します
ic3_cf_p1-70_1018.indd
章オペレーティングシステム()の基いソフトウェアで 基本ソフトウェア とも呼ばれます 第礎第 章 オペレーティングシステム () の基礎 - の役割と動作 ここでは コンピューターの基本的な構成やオペレーティングシステムの基本的な役割と操作を学習します -- コンピューターの基本構成 現代社会では さまざまな種類のコンピューター機器が各分野で利用されています 身近なものでは パソコン タブレット スマートフォンなどがありますが
PowerPoint Presentation
ゲーム木の探索について ミニマックス法のアルゴリズム アルファベータ法のアルゴリズ 三目並べゲームの例 1 ゲーム TicTacToe Othello Chess Let us find game and play! 三目並べ http://perfecttictactoe.herokuapp.com/ オセロ http://atohi.com/osg/default.aspx 将棋 2 ゲーム木の探索問題
平成 年 月 7 日 ( 土 第 75 回数学教育実践研究会アスティ 45 ビル F セミナールーム A 札幌医科大学 年 P ab, を正の定数とする 平面上において ( a, を中心とする円 Q 4 C と (, b を中心とする円 C が 原点 O で外接している また P を円 C 上の点と
平成 年 月 7 日 ( 土 第 75 回数学教育実践研究会アスティ 45 ビル F セミナールーム 微分積分の拡張 変数関数問題へのアプローチ 予選決勝優勝法からラグランジュ未定乗数法 松本睦郎 ( 札幌北高等学校 変数関数の最大値 最小値に関する問題には多様なアプローチ法がある 文字を固定した 予選決勝優勝法, 計算のみで解法する 文字消去法, 微分積分を利用した ラグランジュ未定乗数法 がある
アルゴリズムとデータ構造
講義 アルゴリズムとデータ構造 第 2 回アルゴリズムと計算量 大学院情報科学研究科情報理工学専攻情報知識ネットワーク研究室喜田拓也 講義資料 2018/5/23 今日の内容 アルゴリズムの計算量とは? 漸近的計算量オーダーの計算の方法最悪計算量と平均計算量 ポイント オーダー記法 ビッグオー (O), ビッグオメガ (Ω), ビッグシータ (Θ) 2 お風呂スケジューリング問題 お風呂に入る順番を決めよう!
問 1 図 1 の図形を作るプログラムを作成せよ 但し ウィンドウの大きさは と し 座標の関係は図 2 に示すものとする 図 1 作成する図形 原点 (0,0) (280,0) (80,0) (180,0) (260,0) (380,0) (0,160) 図 2 座標関係 問 2
問 1 図 1 の図形を作るプログラムを作成せよ 但し ウィンドウの大きさは 400 200 と し 座標の関係は図 2 に示すものとする 図 1 作成する図形 原点 (0,0) (280,0) (80,0) (180,0) (260,0) (380,0) (0,160) 図 2 座標関係 問 2 for 文を用いて図 3 の様な図形を描くプログラムを作成せよ 但し ウィンドウのサイズは 300 300
Microsoft Word - 将棋のお供マニュアル_ doc
2 次 前書き p3 カードの 覧 p4 準備 P5 プレイ 法 P6 歴史 p7 確定完全情報ゲーム p8 メール対戦と詰将棋 p9 カードの使い ( 総括 ) p10 カードの機能 p11 3 カードでルールが変わる確定完全情報ゲーム カード 24 枚 (12 種 2 枚 ) このカードセット (24 枚 ) は 将棋と 緒に使い カードに書かれた指 によってルールや駒の機能を変えることで 将棋を本来とは違うゲームに変貌させて楽しむものです
A(6, 13) B(1, 1) 65 y C 2 A(2, 1) B( 3, 2) C 66 x + 2y 1 = 0 2 A(1, 1) B(3, 0) P 67 3 A(3, 3) B(1, 2) C(4, 0) (1) ABC G (2) 3 A B C P 6
1 1 1.1 64 A6, 1) B1, 1) 65 C A, 1) B, ) C 66 + 1 = 0 A1, 1) B, 0) P 67 A, ) B1, ) C4, 0) 1) ABC G ) A B C P 64 A 1, 1) B, ) AB AB = 1) + 1) A 1, 1) 1 B, ) 1 65 66 65 C0, k) 66 1 p, p) 1 1 A B AB A 67
4-4 while 文 for 文と同様 ある処理を繰り返し実行するためのものだが for 文と違うのは while 文で指定するのは 継続条件のみであるということ for 文で書かれた左のプログラムを while 文で書き換えると右のようになる /* 読込んだ正の整数値までカウントアップ (for
4-4 while 文 for 文と同様 ある処理を繰り返し実行するためのものだが for 文と違うのは while 文で指定するのは 継続条件のみであるということ for 文で書かれた左のプログラムを while 文で書き換えると右のようになる /* 読込んだ正の整数値までカウントアップ (for 文 ) */ int i, no; for (i = 0; i
オートマトン 形式言語及び演習 1. 有限オートマトンとは 酒井正彦 形式言語 言語とは : 文字列の集合例 : 偶数個の 1 の後に 0 を持つ列からなる集合 {0, 110, 11110,
オートマトン 形式言語及び演習 1 有限オートマトンとは 酒井正彦 wwwtrscssinagoya-uacjp/~sakai/lecture/automata/ 形式言語 言語とは : 文字列の集合例 : 偶数個の 1 の後に 0 を持つ列からなる集合 {0, 110, 11110, } 形式言語 : 数学モデルに基づいて定義された言語 認識機械 : 文字列が該当言語に属するか? 文字列 機械 受理
PowerPoint プレゼンテーション
人の仕事 暮らしを変える AI( 人工知能 ) ~ 人と機械の新しい関係 ~ 1 AI の歴史 1956 年ダートマス会議 ( チェス 定理証明 ) 探索 推論 1960 年 ~ 第一次 AI ブーム ( 単なる期待 Toy Problem) 1970 年 ~ 冬の時代 ( 機械翻訳無理! 基礎研究は継続 ) 1980 年 ~ 第 2 次 AI ブーム ( 知識の時代 国プロ 産業化 AI ベンチャー
1 911 9001030 9:00 A B C D E F G H I J K L M 1A0900 1B0900 1C0900 1D0900 1E0900 1F0900 1G0900 1H0900 1I0900 1J0900 1K0900 1L0900 1M0900 9:15 1A0915 1B0915 1C0915 1D0915 1E0915 1F0915 1G0915 1H0915 1I0915
Microsoft PowerPoint - sousa pptx
はじめに 情報機器の操作 ( 第 2 回 ) 産業技術科学科多 知正 [email protected] A323 この講義のWWWページ http://teched.kyokyo-u.ac.jp/~htada/class/sousa/ 演習で使うデータ等はここにおいておきます お気に り に登録しておいてください 別に気に ってなくてもしてください 2011/4/19 1 2011/4/19
連載講座 : 高生産並列言語を使いこなす (3) ゲーム木探索問題 田浦健次朗 東京大学大学院情報理工学系研究科, 情報基盤センター 目次 1 概要 17 2 ゲーム木探索 必勝 必敗 引き分け 盤面の評価値 αβ 法 指し手の順序付け (mo
連載講座 : 高生産並列言語を使いこなす (3) ゲーム木探索問題 田浦健次朗 東京大学大学院情報理工学系研究科, 情報基盤センター 目次 1 概要 17 2 ゲーム木探索 17 2.1 必勝 必敗 引き分け 17 2.2 盤面の評価値 18 2.3 αβ 法 19 2.4 指し手の順序付け (move ordering) 20 3 Andersson の詰み探索およびその並列化 21 3.1 Andersson
アルゴリズム入門
アルゴリズム入門 第 11 回 ~ パターン認識 (1)~ 情報理工学系研究科 創造情報学専攻 中山英樹 1 今日の内容 パターン認識問題の 1 つ : アラインメント アルゴリズム 再帰 動的計画法 2 パターン認識 音や画像の中に隠れたパターンを認識する 音素 音節 単語 文 基本図形 文字 指紋 物体 人物 顔 パターン は唯一のデータではなく 似通ったデータの集まりを表している 多様性 ノイズ
AI 三目並べ
ame Algorithms AI programming 三目並べ 2011 11 17 ゲーム木 お互いがどのような手を打ったかによって次にどのような局面になるかを場合分けしていくゲーム展開を木で表すことができる 相手の手 ゲームを思考することは このゲーム木を先読みしていく必要がある ミニマックス法 考え方 では局面が最良になる手を選びたい 相手は ( 自分にとって ) 局面が最悪となる手を選ぶだろう
初歩のC言語ターミナル_2014_May.pages
C Mac OS X ( Vi Mi) Xcode CD >cd C:\Users\\Desktop gcc first.c C:\Users\\Desktop>gcc -o first first.c gcc first.c C:\Users\\Desktop>first Windows OS VisualStudio VisualStudio VS2012 CD C:\ >cd C:\Users\
140 120 100 80 60 40 20 0 115 107 102 99 95 97 95 97 98 100 64 72 37 60 50 53 50 36 32 18 H18 H19 H20 H21 H22 H23 H24 H25 H26 H27 1 100 () 80 60 40 20 0 1 19 16 10 11 6 8 9 5 10 35 76 83 73 68 46 44 H11
koji07-01.dvi
2007 I II III 1, 2, 3, 4, 5, 6, 7 5 10 19 (!) 1938 70 21? 1 1 2 1 2 2 1! 4, 5 1? 50 1 2 1 1 2 2 1?? 2 1 1, 2 1, 2 1, 2, 3,... 3 1, 2 1, 3? 2 1 3 1 2 1 1, 2 2, 3? 2 1 3 2 3 2 k,l m, n k,l m, n kn > ml...?
合わせを許す フリースタイルチェス という対戦形式も考案され, 発展を遂げている. この対戦では, あまり強くない人間 + コンピュータ + 良いプロセス が グランドマスター + コンピュータ + 良くないプロセス に勝利するということが起こっている. このことは, コンピュータをどう使いこなすか
HAI シンポジウム 2013 Human-Agent Interaction Symposium 2013 IV-1 アドバンスド将棋で人はどうコンピュータを利用するか How Human use Computer on Advanced Shogi? 伊藤毅志 1 Takeshi Ito 1 1 電気通信大学 1 The University of Electro-Communications
ミガロ.製品 最新情報
セッション No.1 ミガロ. 製品最新情報 株式会社ミガロ. RAD 事業部 アジェンダ はじめに 1. Delphi/400 最新情報 Delphi/400 バージョン 機能リリースの遷移 Delphi/400 で追加された新機能 2. JC/400 最新情報 JC/400 バージョン 機能リリースの遷移 JC/400 で追加された新機能 3. Business4Mobile 新製品 Business4Mobile
みんなの Arduino 入門 課題と演習 本資料は みんなの Arduino 入門 を使っている方々への課題 ( 演習含む ) を参考としてま とめたものです 本書の理解度の確認と今後のステップアップのためにご利用下さい ( 最終更新日 :2014 年 4 月 25 日 ) 株式会社タブレイン T
みんなの Arduino 入門 課題と演習 本資料は みんなの Arduino 入門 を使っている方々への課題 ( 演習含む ) を参考としてま とめたものです 本書の理解度の確認と今後のステップアップのためにご利用下さい ( 最終更新日 :2014 年 4 月 25 日 ) 株式会社タブレイン T.Takamoto Ph.D. 第 1 章の課題と演習 1) 人間の五感と ICT のセンサーとの違いをまとめて人間の五感が
ax 2 + bx + c = n 8 (n ) a n x n + a n 1 x n a 1 x + a 0 = 0 ( a n, a n 1,, a 1, a 0 a n 0) n n ( ) ( ) ax 3 + bx 2 + cx + d = 0 4
20 20.0 ( ) 8 y = ax 2 + bx + c 443 ax 2 + bx + c = 0 20.1 20.1.1 n 8 (n ) a n x n + a n 1 x n 1 + + a 1 x + a 0 = 0 ( a n, a n 1,, a 1, a 0 a n 0) n n ( ) ( ) ax 3 + bx 2 + cx + d = 0 444 ( a, b, c, d
C プログラミング演習 1( 再 ) 2 講義では C プログラミングの基本を学び 演習では やや実践的なプログラミングを通して学ぶ
C プログラミング演習 1( 再 ) 2 講義では C プログラミングの基本を学び 演習では やや実践的なプログラミングを通して学ぶ 今回のプログラミングの課題 次のステップによって 徐々に難易度の高いプログラムを作成する ( 参照用の番号は よくわかる C 言語 のページ番号 ) 1. キーボード入力された整数 10 個の中から最大のものを答える 2. 整数を要素とする配列 (p.57-59) に初期値を与えておき
Microsoft Word - Grspes…~…j…}…j…–…A…‰6.0.doc
GRAPES ミニマニュアル グラフウィンドウグラフウィンドウにはグラフや図形が表示される. また, 上部のコントロールパレットを用いて, 表示領域や変域の設定, 目盛りの設定, 残像の設定を行うことができる. グラフウィンドウのサイズを変更すると, グラフ表示エリアのサイズが変わる. 下部ステータスバーには, マウスポインタの座標や表示領域が表示される. データパネルデータパネルは, グラフや図形を描くためのデータを管理している.
cog2_06(８．問題解決).ppt
8. 問題解決 (1) 問題解決とは (2) ヒューリスティクス (3) 問題の表象 の重要性 (4) 進化論的視点 (5) 人工知能と深層学習 人間の行為の多くには明確な目的がある 従って人間の行為は 問題解決的 である ドラクエから人生まで 認知心理学的視点 : 目的的な行為はいかにして可能なのか 人や機械にパズルなどを解かせる研究が多い 古典的研究 :Kohler(1927) 古典的研究 :Kohler(1927)
PowerPoint プレゼンテーション
プログラミング応用演習 第 5 回演習 前回までのお話 ポインタ ポインタを用いた文字列処理 構造体 ファイル 再帰的構造体 リスト構造 動的メモリ管理 今日のお題 ポインタやファイルなど これまでの内容の練習 教材 以前 以下に単語を収録したファイルがあることを紹介した : /usr/share/dict/words この中からランダムに単語を取り出したファイルを用意した http://sun.ac.jp/prof/yamagu/2019app/
TFTP serverの実装
TFTP サーバーの実装 デジタルビジョンソリューション 佐藤史明 1 1 プレゼンのテーマ組み込みソフトのファイル転送を容易に 2 3 4 5 基礎知識 TFTP とは 実践 1 実際に作ってみよう 実践 2 組み込みソフトでの実装案 最後におさらい 2 プレゼンのテーマ 組み込みソフトのファイル転送を容易に テーマ選択の理由 現在従事しているプロジェクトで お客様からファームウェアなどのファイル転送を独自方式からTFTPに変更したいと要望があった
ボルツマンマシンの高速化
1. はじめに ボルツマン学習と平均場近似 山梨大学工学部宗久研究室 G04MK016 鳥居圭太 ボルツマンマシンは学習可能な相互結合型ネットワー クの代表的なものである. ボルツマンマシンには, 学習のための統計平均を取る必要があり, 結果を求めるまでに長い時間がかかってしまうという欠点がある. そこで, 学習の高速化のために, 統計を取る2つのステップについて, 以下のことを行う. まず1つ目のステップでは,
カイ二乗フィット検定、パラメータの誤差
統計的データ解析 008 008.. 林田清 ( 大阪大学大学院理学研究科 ) 問題 C (, ) ( x xˆ) ( y yˆ) σ x πσ σ y y Pabx (, ;,,, ) ˆ y σx σ y = dx exp exp πσx ただし xy ˆ ˆ はyˆ = axˆ+ bであらわされる直線モデル上の点 ( ˆ) ( ˆ ) ( ) x x y ax b y ax b Pabx (,
人工知能による物流改革_損保ジャパン日本興亜
2018 年 9 月 人工知能による物流改革 1. はじめに 2017 年 5 月 人工知能を搭載したコンピューター囲碁プログラムは 世界ナンバーワン棋士に圧勝して 世界中の人工知能の研究者に衝撃を与えた 将来的に 人工知能は 物流業界に大きなインパクトを与えると期待されている 本稿では 人工知能の基本知識を整理し 人工知能の導入により物流改革が期待される物流業務について 図を用いて 易しく解説する
論文誌用MS-Wordテンプレートファイル
将棋の局面評価関数におけるディープラーニングの利用 1 和田悠介 1 五十嵐治一 概要 : コンピュータ囲碁ではディープラーニングが有効であることが分かり, コンピュータチェスにおいても局面評価関数の学習に利用されてきている. その適用例として,Deep Pink と Giraffe がある. 前者はビット列で表現された盤面情報を入力とする教師付き学習を, 後者は特徴量で表現された盤面情報を入力とする強化学習を用いている.
フィードバック ~ 様々な電子回路の性質 ~ 実験 (1) 目的実験 (1) では 非反転増幅器の増幅率や位相差が 回路を構成する抵抗値や入力信号の周波数によってどのように変わるのかを調べる 実験方法 図 1 のような自由振動回路を組み オペアンプの + 入力端子を接地したときの出力電圧 が 0 と
フィードバック ~ 様々な電子回路の性質 ~ 実験 (1) 目的実験 (1) では 非反転増幅器の増幅率や位相差が 回路を構成する抵抗値や入力信号の周波数によってどのように変わるのかを調べる 実験方法 図 1 のような自由振動回路を組み オペアンプの + 入力端子を接地したときの出力電圧 が 0 となるように半固定抵抗器を調整する ( ゼロ点調整のため ) 図 1 非反転増幅器 2010 年度版物理工学実験法
PDFオートコンバータEX
PDF コンバータ V4.X インストール ガイド Page0 > 1 PDF コンバータ 32BIT 版のインストール... 2 2 PDF コンバータ 64BIT 版のインストール... 7 3 PDF にフォントを埋め込みたい場合の設定... 13 4 PDF オートコンバータ EX で使用しない場合 PDF コンバータ単体で使用する場合の説明... 14 5 PDF コンバータのアンインストール...
改版履歴 Ver 改版日内容 /02/07 新規作成 2 / 18
多目的俯瞰画像合成システム 機能仕様書 Crawler View 画像合成 ＲＴＣ 発行日 2017 年 3 月 30 日 公立大学法人会津大学 株式会社東日本計算センター 1 / 18 改版履歴 Ver 改版日内容 1.0 2016/02/07 新規作成 2 / 18 1. 内容 1. はじめに... 4 1.1. 対象読者... 4 1.2. 適応範囲... 4 1.3. 開発環境及び使用機器...
例 e 指数関数的に減衰する信号を h( a < + a a すると, それらのラプラス変換は, H ( ) { e } e インパルス応答が h( a < ( ただし a >, U( ) { } となるシステムにステップ信号 ( y( のラプラス変換 Y () は, Y ( ) H ( ) X (
第 週ラプラス変換 教科書 p.34~ 目標ラプラス変換の定義と意味を理解する フーリエ変換や Z 変換と並ぶ 信号解析やシステム設計における重要なツール ラプラス変換は波動現象や電気回路など様々な分野で 微分方程式を解くために利用されてきた ラプラス変換を用いることで微分方程式は代数方程式に変換される また 工学上使われる主要な関数のラプラス変換は簡単な形の関数で表されるので これを ラプラス変換表