TadaoYamaoka https://blog.hatena.ne.jp/TadaoYamaoka/ TadaoYamaokaの開発日記 https://tadaoyamaoka.hatenablog.com/ AlphaZero DeepLearning コンピュータ将棋 この記事で、AlphaZeroの再実装を試した際に、価値関数の学習目標をゲームの結果からQ値に変更することで、エラー率が低下するという報告がされています。 medium.comゲームの結果とQ値の平均を目標とするとさらにエラー率が低下し、ゲームの結果からQ値に段階的に変更することでさらにエラー率が低下しています。 Q値について Q値には、シミュレーションをおこなった後の、ルートノードにバックアップされた価値の平均が使用されています。 redditの記事 [D] Improvement to the AlphaZero Value Target : MachineLearning 考察 ゲームの… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftadaoyamaoka.hatenablog.com%2Fentry%2F2018%2F07%2F01%2F121411" title="AlphaZeroの価値関数の目標をQ値にすると改善する - TadaoYamaokaの開発日記" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-images-1.medium.com/max/1600/1*oaJL2jbtwOcZrb7mB6hgOA.png Hatena Blog https://hatena.blog 2018-07-01 12:14:11 rich https://tadaoyamaoka.hatenablog.com/entry/2018/07/01/121411 1.0 100%