- 博客(1)
- 收藏
- 关注
原创 Mastering the game of Go with deepneural networks and tree search
一、Behavior Cloning 模仿学习,模仿人的动作~ 缺陷:如果状态St没有出现在训练数据中,那么无法给出下一个动作是什么,at就不会太好,并且会出现错误累加(棋盘局势悦来越离谱) 二、Reinforcement learning of policy network 策略网络强化学习 1.定义奖励:如果agent赢,从第一步到最后一步所有的回报都为+1 如果agent输,聪第一步到最后一步所有的回报都为-1 直观上说:win =所有的动作都是好棋 lose = 所有动作都是臭...
2022-02-25 15:34:20 551
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人