VS ssp(5五将棋モード)
昨夜からやってたやつ。
結果、385-?-393で勝率49.5%。95%信頼区間は45.9〜53.1。
前よりは強くなってますが、まだまだですね。
自然方策勾配法も計算方法だけは何となく分かってきたんで、そっちで学習が高速化出来ればいいんですが…
昨夜からやってたやつ。
結果、385-?-393で勝率49.5%。95%信頼区間は45.9〜53.1。
前よりは強くなってますが、まだまだですね。
自然方策勾配法も計算方法だけは何となく分かってきたんで、そっちで学習が高速化出来ればいいんですが…