2011-09-02から1日間の記事一覧
方策勾配法で約27万局自己対戦し学習したパラメータを、1手1秒でsspと対局させてみました。 勝率と95%信頼区間の下限・上限、それから勝ち星は下記の通り。 割引率 対ssp勝率 下限 上限 勝ち星 1 26.1 20.6 32.1 62-0-176 0.999 31.5 27.8 35.4 187-0-406 0…
方策勾配法で約27万局自己対戦し学習したパラメータを、1手1秒でsspと対局させてみました。 勝率と95%信頼区間の下限・上限、それから勝ち星は下記の通り。 割引率 対ssp勝率 下限 上限 勝ち星 1 26.1 20.6 32.1 62-0-176 0.999 31.5 27.8 35.4 187-0-406 0…