競輪データ分析10　強化学習AlphaZero編1

本記事では、Google Colaboratoryから python を使用して機械学習による競輪予想手法を有料公開しています。強化学習については説明することがたくさんありますので全４回に分けて説明します。

以下を理解いただいた方のみ、ご購入ください。

遵守事項
• 本記事によって生じた損害等の一切の責任を負いかねます。
• 本記事の内容をコピーまたは加工し、公開することを禁じます。
• 記事販売時にプログラムの動作確認済みですが、保守していません。
（動作しない場合、可能な限り対応致します。）

利用条件
・プログラミングの経験がある方
・Google Colaboratory の使用方法がわかる方
・競輪データ分析の記事をご購入済みの方推奨

実行環境
・Google Colaboratory
・Python 3.6.9

構築モデル
AlphaZeroを参考に、2車単を予想するResidual Networkを作成します。モデル自体は、残差レイヤーを積み重ねた単純なものです。構築したモデルにて、どのレースにいくら投票するかを予想させます。

def add_residual_layer(x):
    in_x = x
    x = Conv2D(128, 3, padding='same', use_bias=False, kernel_initializer='he_normal', kernel_regularizer=l2(0.0005))(x)
    x = BatchNormalization()(x)
    x = Activation("relu")(x)
    x = Conv2D(128, 3, padding='same', use_bias=False, kernel_initializer='he_normal', kernel_regularizer=l2(0.0005))(x)
    x = BatchNormalization()(x)
    x = Add()([in_x, x])
    x = Activation("relu")(x)
    return x

コンテンツ
１．使用データ
２．AlphaZeroの仕組み
３．デュアルネットワークの作成
４．まとめ