TadaoYamaoka https://blog.hatena.ne.jp/TadaoYamaoka/ TadaoYamaokaの開発日記 https://tadaoyamaoka.hatenablog.com/ Agent57 付録G. ハイパーパラメータ G.1. との値 セットの選択の間の直感は次のとおりです。 については、非常に活用的である方策と探索的である方策を奨励したいので、図11(a)に示すようにシグモイドを選択する。 については、活用方策（の値が小さい）には長期的な視野（の値が高い）、探索的方策（の値が高い）には短期的な視野（の値が小さい）を考慮する。 これは主に、外発的報酬の希薄さと内発的報酬の密集した性質によるものである。 これは、図11(b)で行われた選択の動機になる。 図11. N = 32とβ= 0.3のとの値 (a) が取る値 (b) が取る値 G.2. Atariの前処理ハイパーパラメータ… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftadaoyamaoka.hatenablog.com%2Fentry%2F2020%2F05%2F25%2F094842" title="Agent57: Outperforming the Atari Human Benchmarkを読む その１４ - 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://chart.apis.google.com/chart?cht=tx&chl=%5Cbeta Hatena Blog https://hatena.blog 2020-05-25 09:48:42 rich https://tadaoyamaoka.hatenablog.com/entry/2020/05/25/094842 1.0 100%