Gasyou https://blog.hatena.ne.jp/Gasyou/ GA将？開発日記～王理のその先へ～ https://gasyou.hatenablog.jp/ 開発日記 TODO まず最終的な学習ルーチンの構成は「TDLeaf(λ)＋Softmax方策＋DNN評価関数」とします。 時間があればPGLeafにしたいのですが、流石にそこまでは無理そうです。 んで、上記構成を実現する為にやるべき事。 DNN評価関数の実装。 Convolutionは使用せずに、全結合層だけで。 まずは一般的な関数近似でテストしてみる。 DeepTDLeaf(λ)の実装。 Tic-Tac-Toeの局面クラスの修正（盤の大きさを可変にする）。 Tic-Tac-Toeで盤の大きさを3x3から4x4、5x5…と大きくしていき、収束速度の差を見る。 Convolution Layerを入れてみて収束速度… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fgasyou.hatenablog.jp%2Fentry%2F20151220%2F1450606944" title="次回選手権までのロードマップ - GA将？開発日記～王理のその先へ～" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> Hatena Blog https://hatena.blog 2015-12-20 19:22:24 rich https://gasyou.hatenablog.jp/entry/20151220/1450606944 1.0 100%