1日500局とかだと学習が進まないので。 実現確率探索はProb Heuristic*1を使ってやろうかなとか考えていますが、上手くいくかどうかはテストしてみないとなんとも言えないんで後日。 あと、αβである程度深く読める様になったら詰め将棋要らないかな、とか考…

駒割を含む全パラメータを1万分の1前後の乱数で初期化しましたが、先日書いた修正*1が上手く働いているのか、ある程度正しく学習しています。 といっても、3日かけて1500局前後*2しか対局出来ていないので、もうすぐ駒割の学習が終わるかな、といったところ…