アピール文書には「学習は式（2）を勾配法等で最小化する」とサクッと書かれていますが、私の頭では微分がすぐには出来なかったのでメモ。 まずの微分。 んで、の微分。 の微分は指数部をとして 今度はの偏微分で はシグモイド関数の合成関数なので かなり自…

とりあえず思い付くままに列挙してみて、後で不要そうなら削る方向で。 移動元のマス（駒台含めて82通り） 移動先のマス（81通り） 移動後の駒の種類（14通り） 成る手か否か（2通り） 取られる駒の種類（13通り） 取った駒と取られた駒の種類（14×13通り） …

WCSC21の一丸さん（ツツカナの開発者）のアピール文書を読んで、ツツカナの新手法だとαβ＋LMRに対して勝率75％、Rは+190*1ってのを見て、これはやらねば！ と。 つー事で情報収集。枝刈りとか探索の延長・短縮関連の学習について覚えてる範囲で列挙。 「棋理…

バグ持ち学習ルーチンの出力ですが、とりあえず連続対戦中。 …3連敗してから10連勝って、いくらなんでもおかしいだろう。いや、単に乱数が偏っただけでしょうけど。

前から自己対戦学習がアサーションエラーでたまに止まると思ってたら、置換表のバグでした。 原因としては、まず千日手に至る途中の局面（3回目の同一局面とか）の評価値が、3.5とかの普通に評価関数で計算した値で置換表に保存されています。 で、4回目の同…

改良型PGLeafで報酬計算の式を修正。 で、結果。23万局学習したパラメータで対ssp（5五将棋モード）は300-?-93で勝率76.3％、95％信頼区間は71.8〜80.5。 わりかしいい感じなので、次は60万局学習後のパラメータで連続対戦してみます。