とりあえず多碗バンディット問題で実験してみて、分かった事。 ちゃんと収束するし、εグリーディーより性能良い→基本的な考え方自体は間違っていないらしい。 温度には意外と敏感。 温度=1.0だと収束後の報酬が温度=2.0より微妙に少なくなるものの、収束速度…

例によって続きを読むでお願いします。軽いネタバレ有りです。

三目並べの方策勾配法で、先手のみ学習する様にしてみたんですが、先手の勝率が50〜60％のまま変化しません。 どっか勘違いしている可能性があるので、まずは多碗バンディット問題で方策勾配法の特性を見てみようと思います。

されました。大阪地検特捜部の手によって。 http://slashdot.jp/article.pl?sid=10/09/21/0228228 これで、違法ダウンロードとかで裁判になっても、有力な証拠はほぼ無い事になりますね。大抵の裁判では。 「その証拠のファイル、本当に被告人がダウンロード…