TadaoYamaoka https://blog.hatena.ne.jp/TadaoYamaoka/ TadaoYamaokaの開発日記 https://tadaoyamaoka.hatenablog.com/ 強化学習 Agent57 Backprop Through Timeのウィンドウサイズ この節では、backprop through timeのウィンドウサイズを使用することの影響を分析する。 より具体的には、NGUまたは提案する改善を行わないことでその効果を確認するために、基本アルゴリズムR2D2への影響を分析する。 さらに、Agent57への影響も分析し、NGUの改善点がこの変更と重複していないか確認する。 どちらの場合も、backprop through timeのウィンドウサイズが80（R2D2のデフォルト）と160の場合のbackpropの使用を比較する。 挑戦的なセットの総計では、その効果はR2D2とAge… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftadaoyamaoka.hatenablog.com%2Fentry%2F2020%2F04%2F15%2F094116" title="Agent57: Outperforming the Atari Human Benchmarkを読む その６ - 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-ak.f.st-hatena.com/images/fotolife/T/TadaoYamaoka/20200415/20200415090309.png Hatena Blog https://hatena.blog 2020-04-15 09:41:16 rich https://tadaoyamaoka.hatenablog.com/entry/2020/04/15/094116 1.0 100%