一旦将棋からは離れます
5五将棋の学習で、評価関数は駒割Onlyで、静止探索を無くしたり全幅探索も無くしたりしましたが、それでもちゃんと学習してくません。
という訳で、方策勾配法の理解が根本的に間違ってる疑惑が出て来ました。
てな事で、一旦多腕バンディット問題とか迷路脱出タスクとかで基礎からやり直してみます。
5五将棋の学習で、評価関数は駒割Onlyで、静止探索を無くしたり全幅探索も無くしたりしましたが、それでもちゃんと学習してくません。
という訳で、方策勾配法の理解が根本的に間違ってる疑惑が出て来ました。
てな事で、一旦多腕バンディット問題とか迷路脱出タスクとかで基礎からやり直してみます。