2013-09-14 よく分からん 開発日記 4x4リバーシで実験中。 まず、PGLeafでは1万〜1万2千局程度で正しく収束します。 んで、自然TD学習だとどうかって言うと、学習（単位時間あたりの対局数）が遅いので1万局はなかなか実験出来ません。 ただ、途中の誤差の減り方とか見てると、どうも時間かけてもダメっぽい感じはします。 という訳で、問題切り分けも兼ねて、自然TD学習での将棋の学習を学習用マシンで開始。開発用マシンでは、リバーシの方を一晩走らせてみます。 これで、明日朝には両方成功していると良いんですがねぇ…
