PGLeaf Vier開発開始

medium.com

　Experience Replayを使いたかったので、上記のサイトを参考に実装。

　現時点での構成は「REINFORCEベースのPGLeaf＋Experience Replay＋重点サンプリング」ですが、最終的にはもっと色々拡張する予定。

強化学習 (機械学習プロフェッショナルシリーズ)

　んで、今日買ってきたMLPシリーズの「強化学習」に、関数近似を用いた方策勾配法の初見の手法が載っていたので、次はそれを実装する予定。

　現在は三目並べモードでデータ収集中なんで、それが終わってから（多分2時間後）改良しますかね。

　…あ、その前に不要なコードとかの整頓しとかないと、スパゲッティコードになっちゃう。