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 現状 Policy Gradient Methods for Reinforcement Learning with Function Approximation まず、上記論文の関数近似器の導入は断念しました。何をどういじっても、素のPGLeaf以上の性能にはならなかったので。 やった事は大体こんな感じ。 論文の手法をそのまま実装 → NG と変形してみた → NG の代わりに評価値を用いる → NG の代わりに評価値から予測した報酬の期待値を用いる → NG 考察 上記論文によると、まずと評価関数の学習を並行して行うので、学習初期のがあまり信用出来ないのでは？という疑問。 この為、学習初期… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fgasyou.hatenablog.jp%2Fentry%2F2018%2F12%2F07%2F202247" title="PGLeaf Drei全面的に書き直す事にした - 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 2018-12-07 20:22:47 rich https://gasyou.hatenablog.jp/entry/2018/12/07/202247 1.0 100%