tokumini https://blog.hatena.ne.jp/tokumini/ 日記 https://tokumini.hatenadiary.com/ 大学 09:17に研究室着。まぁまぁですかね。 Alpha Zeroの論文を読む。これValueの学習はモンテカルロ法ってことですよね。ブートストラップ使わないんか。Policyの方は時間をかけた探索との交差エントロピーで、まぁこれはそうだろうという気はする。しかしこれもまだ無駄はありそう。けどこの辺を突っつくのはいかにも重箱の隅を楊枝でほじくる感じだよなぁ。 しかし眠い。本当にうまく眠れないのなんなんだろう。6時ごろに目が覚めるの苦しい。2度寝もできないし。大学着いてから眠くなる。 ゲーム木探索って動的計画法の一種だよね、たぶん。部分問題を求めてから全体の問題を解いてるし。 分布型強化学習に… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftokumini.hatenadiary.com%2Fentry%2F2018%2F06%2F09%2F235900" title="0609 - 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> Hatena Blog https://hatena.blog 2018-06-09 23:59:00 rich https://tokumini.hatenadiary.com/entry/2018/06/09/235900 1.0 100%