qq_55877221的博客

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...