AlphaGo的原理

AlphaGo的原理

@最简单粗糙的解释,摘自:Tensorflow 技术解析与实践

传统计算机的下棋方法:一般是贪婪算法;使用Alpha-Beta剪枝方法配合Min-Max算法
Alpha-Go的下棋方法:采用蒙特卡洛树搜索法和深度卷积神经网络相结合

模型中的主要网络及作用如下:

估值网络(盘面估值函数):计算出盘面的分数
策略网络:计算对于下每一个棋子的胜率和概率
训练模型的主要过程分为以下4步:
(1)采用分类方法得到直接策略
(2)直接策略对历史棋局资料库进行神经网络学习(采用深度卷积网络),得到习得策略
(3)使用强化学习的方法进行自我对局(采用蒙特卡洛树搜索)来得到改良策略
(4)用回归的方法整体统计后得到估值网络

详细论文见**Mastering the game of Go with deep neural networks and tree search**on Nature

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值