学習率0.1**6でやったバージョンだと、駒割位はちゃんと理解している雰囲気です。 学習率は0.1**6〜0.1**7の間位がベストかも。前者だと収束後に値の上下が激しいし、後者だと収束遅い。 という訳で、学習率を0.1**6から始めて、1000局かけて0.1倍まで減少、…