ちょっとした事情でファミコンソフトの「将棋 竜王戦」を入手したので、第25回選手権バージョンのGA将と対局させてみました。 手合割：平手 先手：Gasyou8_8.0.35e 後手：かなた先生 手数----指手---------消費時間-- 1 ２六歩(27) (00:09 / 00:00:09) 2 ５…

http://minerva.cs.uec.ac.jp/~uec55shogi/wiki.cgi?page=GPW%C7%D5%A5%B3%A5%F3%A5%D4%A5%E5%A1%BC%A5%BF%A3%B5%B8%DE%BE%AD%B4%FD%C2%E7%B2%F12016 私は現地に行けなかったので、芝浦工業大学 五十嵐研の原さんに代理操作して頂きました。感謝感謝。 参加…

https://arxiv.org/pdf/1611.01626.pdf Deepmindの中の人の論文。方策勾配法とQ学習の組み合わせらしい。

@MoriokaYuichi 線形近似の場合でも適用できるかわかりませんが、パラメータの出現回数を数えてMBIE-EBによって出現回数のルート分の1相当のボーナスを加えて行動決定するとかいかがでしょうか。応用されてDeepmind社のDQNに使われています。— Katsuki Ohto …