メタ学習の実装を検討中

　PGLeafのテストも行き詰まりがちなのと、もうすぐ盆休みでまとまった時間が取れそうなので、デッカイ改良を検討中。

　んで、表題のメタ学習。

　一般的に、学習ルーチンの挙動を決めるパラメータを「メタパラメータ」とか「ハイパーパラメータ」と呼びます。例えば学習率とかSoftmax方策の温度とか。

　んで、大抵はメタパラメータは事前に決めた値*1を使います。

　ただ、学習の進行状態を見ながらメタパラメータを自動調整する（学習する）というのも一部ではやられていて、それを「メタ学習」と呼んでいる様です。

　という訳で「GAを用いたメタ学習」をやってみようかと検討中。

　今は色々と先行事例を調査している段階なので、しばらくしてアルゴリズム案が出来てからまた書き込みます。

*1:固定であったり、時間経過などによって変化させたりはしますが