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 https://papers.nips.cc/paper/1713-policy-gradient-methods-for-reinforcement-learning-with-function-approximation.pdf http://proceedings.mlr.press/v80/xu18d/xu18d.pdf TDLeaf(λ)とかと組み合わせるのは当面見送って、PGLeaf単体でどこまで行けるかトライ。 んで、上記参考文献をベースに、PGLeafをOff-Policy化しメタ学習を取り入れるつもり。 上手く行けば今年の選手権であった諸々の問題が解決出来る…はず。 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fgasyou.hatenablog.jp%2Fentry%2F2018%2F10%2F25%2F094150" title="原点回帰して、PGLeaf（初代）の改良に取り組む事にしました - 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 2018-10-25 09:41:50 rich https://gasyou.hatenablog.jp/entry/2018/10/25/094150 1.0 100%