| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究意义 | 第8-9页 |
| 1.3 研究现状 | 第9-10页 |
| 1.4 论文主要内容以及结构 | 第10-12页 |
| 第二章 围棋决策中卷积神经网络的设计 | 第12-25页 |
| 2.1 如何将卷积神经网络模型应用到围棋决策中 | 第12-13页 |
| 2.2 图像识别问题与围棋策略问题输入的不同 | 第13-14页 |
| 2.3 卷积神经网络模型的选择 | 第14-16页 |
| 2.4 具体网络模型的设计 | 第16-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 卷积神经网络数据集的制作 | 第25-48页 |
| 3.1 围棋棋谱的爬虫程序的制作及棋谱处理 | 第25-27页 |
| 3.2 从围棋棋谱中得到围棋盘面 | 第27-31页 |
| 3.2.1 虚拟棋盘的构造 | 第27-28页 |
| 3.2.2 围棋行棋逻辑的实现 | 第28-31页 |
| 3.3 围棋特征的选择 | 第31-33页 |
| 3.4 围棋特征的处理 | 第33-41页 |
| 3.5 处理数据集程序的整体架构 | 第41-42页 |
| 3.6 扩充数据集以及程序改进 | 第42-47页 |
| 3.7 本章小结 | 第47-48页 |
| 第四章 策略网络的训练 | 第48-55页 |
| 4.1 在TENSORFLOW中搭建策略网络模型 | 第48-49页 |
| 4.2 数据集读入以及学习率的选择 | 第49-50页 |
| 4.3 分布式训练结构选择 | 第50-52页 |
| 4.4 分布式框架运行方式 | 第52-53页 |
| 4.5 模型验证以及正式训练 | 第53-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 论文总结与方法改进 | 第55-58页 |
| 5.1 论文工作总结 | 第55页 |
| 5.2 围棋特征选取改进 | 第55-56页 |
| 5.3 训练过程的改进 | 第56页 |
| 5.4 使用DEEP Q NETWORK强化神经网络 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间发表的学术论文 | 第61页 |