文献类型：期刊文章

作　　者：刘知青[1] 吴修竹[1]

LIU Zhi-qing;WU Xiu-zhu(College of Software, Beijing University of Posts and Telecommunications, Beijing 100876, China)

机构地区：[1]北京邮电大学软件学院,北京100876

出　　处：《控制理论与应用》

年　　份：2016

卷　　号：33

期　　号：12

起止页码：1685-1687

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20171203466011)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：随着人工智能在各个领域的应用,越来越多的问题通过人工智能得到更优的解决,但是围棋因其本身的复杂度一直是人工智能领域的难解之题.AlphaGo团队利用了人工智能中的一个重要分支—深度学习训练了一款围棋人工智能程序,并在2016年3月与职业九段选手李世石的对弈中以4:1的比分获胜,受到了大众的广泛关注.本文介绍了AlphaGo这一程序背后的复杂的网络构造以及不同网络的优缺点.

关 键 词：AlphaGo  深度学习  价值网络 策略网络  

分 类 号：TP18]