サンプリング間隔を10局→4局に変更。4x4リバーシで実験して、正しく収束した下限に設定してみました。 学習用マシンに投入して1時間ほど走らせてみたところ、1局あたりのパラメータの変化量が大きくなってたので、効果があるんだと思います。多分。 …さて、…

今朝から対局させてた分。 結果、28-?-734で勝率3.7％ orz つまり、並列化して対局数は増えたものの、対局数に見合った学習の進展具合では無い、という事になります。 うーん、どうしたもんかなぁ。