| 講演名 | 2023-03-01 畳み込みネットワークによる数独の学習の修正と比較 石井 宏一郎(中大), 田村 裕(中大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 数独とは，9×9のマス目において，すでに埋まっている数字をヒントに残りを埋めていく論理パズルである。近年，グラフ構造に対する深層学習の手法として，グラフ畳み込みネットワーク（GCN）が注目されている。本文では数独をグラフ構造に置き換え，GCNを適用することによって解くことを試みる。従来の手法である畳み込みニューラルネットワークを用いた研究はすでに存在しているが，計算過程はブラックボックスの状態である。一方GCNでは，実際に人が数独を解く時のヒントを特徴量として表すことができるため，学習及び計算過程を人が解く工程に近づけることで，その理解に貢献することができると考えた。また，グラフ構造として考えることで，異なるルールの数独や似たようなパズルにも適応できる柔軟性を持っていると考えている。ここでは，従来のニューラルネットワークとの比較，及び特徴量や内部の計算式の変更によるネットワークモデルの精度の違いを検証した。 |
| 抄録(英) | Sudoku is a logic puzzle in which the number between 1 and 9 is to fill in the boxes of the 9x9 grid by using the numbers already filled in as clues. Recently, graph convolutional networks (GCNs) have been developing as a deep learning method for graph structures. In this paper, we attempt to solve a Sudoku puzzle applied to a graph structure by using GCN. Although there have already been studies using convolutional neural networks (CNN), it is difficult to understand the computational process. On the other hand, GCN model can refer to the clues with which you solve a Sudoku puzzle, so we thought that the learning and computation processes can be made closer to the human solving process. We also believe that GCN has the flexibility to adapt to Sudoku and other puzzles having different rules by applying them to graph structures. In this paper, we compared the results with those of conventional neural networks and verified the difference in accuracy of the network model by changing the feature values and internal calculation parameter. |
| キーワード(和) | 数独 / グラフ理論 / 機械学習 / グラフ畳み込みネットワーク |
| キーワード(英) | Sudoku / Graph Theory / Machine Learning / Graph Convolutional Network |
| 資料番号 | CAS2022-96,CS2022-73 |
| 発行日 | 2023-02-22 (CAS, CS) |
| 研究会情報 | |
| 研究会 | CAS / CS |
|---|---|
| 開催期間 | 2023/3/1(から2日開催) |
| 開催地（和） | 北九州国際会議場 |
| 開催地（英） | |
| テーマ（和） | ネットワークプロセッサ，通信のための信号処理回路，無線LAN/PAN，一般 |
| テーマ（英） | Network processor, Signal processing and circuits for communications, Wireless LAN / PAN, etc. |
| 委員長氏名（和） | 前田 義信(新潟大) / 梅原 大祐(京都工繊大) |
| 委員長氏名（英） | Yoshinobu Maeda(Niigata Univ.) / Daisuke Umehara(Kyoto Inst. of Tech.) |
| 副委員長氏名（和） | 相原 康敏(オムニビジョン) / 小崎 成治(三菱電機) |
| 副委員長氏名（英） | Yasutoshi Aibara(OmniVision) / Seiji Kozaki(Mitsubishi Electric) |
| 幹事氏名（和） | 伊藤 尚(富山高専) / 鈴木 寛人(ルネサスエレクトロニクス) / 鎌倉 浩嗣(千葉工大) / 原 一貴(NTT) |
| 幹事氏名（英） | Nao Ito(NIT, Toyama college) / Hiroto Suzuki(Renesas Electronics) / Koji Kamakura(Chiba Inst. of Tech.) / Kazutaka Hara(NTT) |
| 幹事補佐氏名（和） | 佐藤 隆英(山梨大) / 山口 基(テクノプロ) / 下田 真二(ソニーセミコンダクタソリューションズ) / 越田 俊介(八戸工大) / 川崎 耀(NICT) / 井田 悠太(山口大) |
| 幹事補佐氏名（英） | Takahide Sato(Univ. of Yamanashi) / Motoi Yamaguchi(TECHNOPRO) / Shinji Shimoda(Sony Semiconductor Solutions) / Shunsuke Koshita(Hachinohe Inst. of Tech.) / Hikaru Kawasaki(NICT) / Yuta Ida(Yamaguchi Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Circuits and Systems / Technical Committee on Communication Systems |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 畳み込みネットワークによる数独の学習の修正と比較 |
| サブタイトル（和） | |
| タイトル（英） | Modification and Comparison of Learning Sudoku with Convolutional Networks |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 数独 / Sudoku |
| キーワード(2)（和/英） | グラフ理論 / Graph Theory |
| キーワード(3)（和/英） | 機械学習 / Machine Learning |
| キーワード(4)（和/英） | グラフ畳み込みネットワーク / Graph Convolutional Network |
| 第 1 著者 氏名（和/英） | 石井 宏一郎 / Koichiro Ishii |
| 第 1 著者 所属（和/英） | 中央大学(略称：中大) Chuo University(略称：Chuo Univ.) |
| 第 2 著者 氏名（和/英） | 田村 裕 / Hiroshi Tamura |
| 第 2 著者 所属（和/英） | 中央大学(略称：中大) Chuo University(略称：Chuo Univ.) |
| 発表年月日 | 2023-03-01 |
| 資料番号 | CAS2022-96,CS2022-73 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | CAS-396,CS-397 |
| ページ範囲 | pp.1-5(CAS), pp.1-5(CS), |
| ページ数 | 5 |
| 発行日 | 2023-02-22 (CAS, CS) |