ﾚｽ書き込み

ｽﾚへ戻る 写 ﾚｽ栞 ﾚｽ消

---

【オセロ,将棋】ボードゲーム【囲碁,War】

PC,ｽﾏﾎ,PHSは ULA べっかんこ 公式(ｽﾏﾎ) 公式(PC) で書き込んでください｡

名前
ﾒｰﾙ
引用切替：ﾚｽｱﾝｶｰのみ
>>836 > 強化学習に大きく方向転換。 > > 最初、ポリシーネットを模して学習しようとしたけど、出力がソフトマックスの時 > 負け側の教師データをどうするのか不安があったので、まずは普通にQ学習で > 勝率を学ぶ事にしました。 > > ざっと作ったところでデバッグに時間がかかりまして、ようやく多分ちゃんと学習して > いるんじゃないかと思うところまで来ました。が、初期の学習をしないでランダム初期化 > のまま開始してしまいましたので、学習はしているみたいだけど、実用レベルの学習 > をするまで、どれくらいかかるのか、想像もつきません（汗 > > １００回対戦して、１エポック学習するのに、大体８〜１０分くらい。控えめに見て > １０００万対戦としても、１０万分。つまり２か月強必要です。アルファ碁は初期値を > 学習した上で追加の強化学習が確か数千万対戦だから、年単位でも足りないかも（笑） > > 手を完全に固定（ランダム要素排除）した状態で学習により勝つ方向に遷移する事 > は確認しましたが、最初の方をランダムにしたりε-greedyしたりして局面が偏らない > ようにしてから、１万対戦しても勝率が良くなる気配が無いので、まだすごく不安です。
ﾛｰｶﾙﾙｰﾙ SETTING.TXT

---

他の携帯ﾌﾞﾗｳｻﾞのﾚｽ書き込みﾌｫｰﾑはこちら｡書き込み設定で書き込みｻｲﾄの設定ができます｡
・ULA
・べっかんこ(身代わりの術)
・べっかんこ(通常)
・公式(ｽﾏﾎ)
・公式(PC)[PC,ｽﾏﾎ,PHS可]

---

書き込み設定(板別)で板別の名前とﾒｰﾙを設定できます｡

---

ﾒﾓ帳

(0/65535文字)

---

上下板覧索設栞歴

---

Google検索

Wikipedia

---

ぬこの手 ぬこTOP 0.013s