| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文的研究内容和组织结构 | 第12-14页 |
| 1.3.1 本文的研究内容 | 第12-13页 |
| 1.3.2 本文的组织结构 | 第13-14页 |
| 第2章 基于卷积神经网络的围棋棋步预测方法综述 | 第14-28页 |
| 2.1 围棋棋步预测 | 第14-15页 |
| 2.2 卷积神经网络 | 第15-20页 |
| 2.2.1 卷积神经网络的整体结构 | 第16页 |
| 2.2.2 卷积层 | 第16-18页 |
| 2.2.3 下采样层 | 第18-20页 |
| 2.2.4 全连接层 | 第20页 |
| 2.2.5 卷积神经网络的训练 | 第20页 |
| 2.3 基于卷积神经网络的围棋棋步预测方法 | 第20-26页 |
| 2.3.1 棋局的特征表示 | 第20-21页 |
| 2.3.2 网络结构的特点 | 第21-23页 |
| 2.3.3 评价方法和性能分析 | 第23-26页 |
| 2.4 研究展望 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于影响函数评估的卷积神经网络围棋棋步预测方法 | 第28-36页 |
| 3.1 影响函数 | 第28-30页 |
| 3.1.1 影响函数的概念 | 第28页 |
| 3.1.2 影响函数举例 | 第28-30页 |
| 3.2 基于影响函数评估的卷积神经网络围棋棋步预测方法 | 第30-32页 |
| 3.2.1 算法的思想和流程 | 第30-31页 |
| 3.2.2 算法的描述 | 第31-32页 |
| 3.3 实验与分析 | 第32-35页 |
| 3.3.1 数据集 | 第32页 |
| 3.3.2 网络的结构及其训练 | 第32-33页 |
| 3.3.3 实验结果与分析 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 围棋人机对弈软件DeepStone系统的设计与实现 | 第36-48页 |
| 4.1 DeepStone概述 | 第36-40页 |
| 4.1.1 交互界面 | 第36-38页 |
| 4.1.2 功能架构 | 第38-40页 |
| 4.2 DeepStone中的主要技术 | 第40-45页 |
| 4.2.1 SGF棋谱文件格式 | 第40-41页 |
| 4.2.2 卷积神经网络 | 第41-42页 |
| 4.2.3 蒙特卡洛树搜索 | 第42页 |
| 4.2.4 数学形态学 | 第42-45页 |
| 4.3 DeepStone性能测评 | 第45-46页 |
| 4.3.1 软硬件环境 | 第45页 |
| 4.3.2 实战测评 | 第45-46页 |
| 4.4 本章小结 | 第46-48页 |
| 结论 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表的学术论文 | 第54-56页 |
| 攻读硕士学位期间获得的科研成果 | 第56-58页 |
| 致谢 | 第58页 |
