ちょっとだけ強くなった

@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 (@cute_na_piglets) 2016年11月6日

　Twitterで大渡さんにアイデアを貰って、実装してみたら割かし強くなりました。

　5五将棋で、以前は対ssp（5五将棋モード）の勝率が88％だったのが、94％まで向上しました。

　まだまだメタパラメータの調整中なので、もうちょっと弄れば更に強くなるかも、と期待しています。