評価関数*1の更新にはオンラインとバッチ*2の二種類があります。 オンラインはTD誤差やλ収益を計算するたびに（＝ある状態の価値の目標値を計算するたびに）更新する方法。バッチは修正量を累積していって、最後に一エピソード*3分を全部まとめて更新する方…

絶対位置・相対位置の評価はほぼ初期値のままでした。 となるとその辺の評価項目にバグがあるか、使用頻度の低いパラメータの学習が遅いか、その辺だと思います。 ただ、五日間で約四万局だったので、学習が遅いといってもいくらなんでも多少はパラメータに…

Visual C++ 2008 Express Editionをインストールしてみたんですが、私には理解出来ない原因でx64アプリが作成出来ませんでした。Emacsモードのコピペ関連のバグが修正されているらしいだけに残念です。 んで、XKeymacsというソフトの設定の方でコピペする様…