アカウント名:
パスワード:
基本モンテカルロで、詰めの部分がディープラーニングって感じなのかな？
できればモンテカルロ法なしで勝って欲しい。
モンテカルロ法なしでモンテカルロ法と同等の性能，モンテカルロ法もあわせて使うとさらに強くなったらしいです．http://www.nature.com/nature/journal/v529/n7587/abs/nature16961_ja.htm... [nature.com]# あわせて使った手法が何かは聞かないで
Value network は置く場所の評価だろうけど policy network ってなんだろう？使用する定石の評価なのかな？
value networkがその局面でどちらが優勢かの評価で、policy networkがどの手を深くよむかの評価(のはず)
valueが勝てる手を決める。policyが相手が打つ場所の確率らしい。
やっぱり全手完全解析しないとダメですね。
より多くのコメントがこの議論にあるかもしれませんが、JavaScriptが有効ではない環境を使用している場合、クラシックなコメントシステム(D1)に設定を変更する必要があります。
アレゲは一日にしてならず -- アレゲ研究家
モンテカルロとディープラーニングの組み合わせ？ (スコア:0)
基本モンテカルロで、詰めの部分がディープラーニングって感じなのかな？
Re:モンテカルロとディープラーニングの組み合わせ？ (スコア:0)
できればモンテカルロ法なしで勝って欲しい。
Re:モンテカルロとディープラーニングの組み合わせ？ (スコア:1)
モンテカルロ法なしでモンテカルロ法と同等の性能，モンテカルロ法もあわせて使うとさらに強くなったらしいです．
http://www.nature.com/nature/journal/v529/n7587/abs/nature16961_ja.htm... [nature.com]
# あわせて使った手法が何かは聞かないで
Re: (スコア:0)
Value network は置く場所の評価だろうけど policy network ってなんだろう？
使用する定石の評価なのかな？
Re: (スコア:0)
value networkがその局面でどちらが優勢かの評価で、policy networkがどの手を深くよむかの評価(のはず)
Re: (スコア:0)
valueが勝てる手を決める。policyが相手が打つ場所の確率らしい。
Re: (スコア:0)
やっぱり全手完全解析しないとダメですね。