4x4のリバーシで実験してみました。 TD(0)・εグリーディー(ε=0.01)・テーブル形式評価関数は成功 TD(0)・ソフトマックス(温度=0.75)・テーブル形式評価関数は成功 TDLeaf(λ)・αβ1手・ソフトマックス(温度=0.75)・テーブル形式評価関数は失敗 TDLeaf(λ)…
引用をストックしました
引用するにはまずログインしてください
引用をストックできませんでした。再度お試しください
限定公開記事のため引用できません。