- 博客(3)
- 资源 (1)
- 收藏
- 关注
原创 AlphaGo Zero是如何工作的?——AlphaGo Zero背后的强化学习算法原理
Deepmind公司的AlphaGo算法是第一个打败人类选手的围棋程序。2016年三月,打败李世石的是AlphaGo Lee,一个靠大量人类围棋专家的棋谱进行监督学习和自对弈强化学习进行训练的AI程序。不久之后,deepmind的新论文展示了不同于之前AlphaGo的全新网络结构——它仅仅用了三天的自对弈强化学习而无需人类的下棋经验就以100-0的战绩打败了AlphaGo。它就是大名鼎鼎的Al...
2019-02-17 14:21:59 2876 2
原创 一张图读懂AlphaGo Zero背后的强化学习算法原理
一张图读懂AlphaGo Zero背后的算法原理https://pan.baidu.com/s/1AWyQNtHl4qIdplxZ0vFFbA
2019-02-09 22:32:29 1895
原创 AlphaGo Zero强化学习简易教程(译)
本教程介绍了一个同步的单线程单GPU的game-agnostic的AlphaZero复现工作。这是一部很漂亮的作品,它训练了一个仅通过自己和自己下棋的方式来学习的智能体,除了游戏规则之外,智能体没有利用任何的人类知识。与DeepMind之前的论文相比,该方法相当简单,而且AlphaGo Zero最终令人信服地击败了AlphaGo。AlphaGo使用专家游戏的数据进行训练,并击败了最好的人类围棋...
2019-02-03 23:52:41 7819 2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人