http://d.hatena.ne.jp/Gasyou/20100916/1284623513 が間違ってたんで再計算。今度は後で検証しやすい様に、途中経過も詳しく書いてみる。 最初に、状態=局面、行動=手として扱うので、これ以降はそれぞれ"局面"、"手"と記述する。 行動価値関数は線形近似、…

シグモイド関数無しでの方策勾配法 レポート収集系の整理 パラメータのセーブ・ロードまわりのテスト 方策勾配法の提案論文を探す＆読む ソフトマックス方策の改善 http://ibisml.org/ibis2008/abst-poster.htm#A04 http://ci.nii.ac.jp/naid/110008004285 …

えー、色々ありましたが無事旅行から帰ってまいりました。 旅行中に色々とやりたい事が見つかったんで、ぼちぼちやって行こうと思います。