AlphaGo 㨠AlphaGo Zero ã®è‡ªå·±å¯¾æˆ¦ã«ã‚ˆã‚‹å¦ç¿’部分ã®é•ã„ - ã†ã©ã‚“記æµã—èªã¿ã ã¨ã¡ã‚ƒã‚“ã¨åˆ†ã‹ã‚‰ãªã‹ã£ãŸã®ã§ãƒ¡ãƒ¢ã€‚ 準備(AlphaGo) policy network : 盤é¢ã¨ãã®ç‰¹å¾´é‡ã‚’入力ã¨ã—ã¦å—ã‘å–ã‚Šã€å„マスã«æ‰“ã¤ç¢ºçŽ‡ã‚’è¿”ã™ãƒ‹ãƒ¥ãƒ¼ãƒ©ãƒ«ãƒãƒƒãƒˆã€‚ value network: 盤é¢ã¨ãã®ç‰¹å¾´é‡ã‚’入力ã¨ã—ã¦å—ã‘å–ã‚Šã€ãã®ç›¤é¢ã§ã®å‹çŽ‡ã‚’è¿”ã™ãƒ‹ãƒ¥ãƒ¼ãƒ©ãƒ«ãƒãƒƒãƒˆã€‚ AlphaGo ã§ã¯ã¾ãš policy network をプãƒã®æ£‹èœãƒ‡ãƒ¼ã‚¿ã‹ã‚‰æ•™å¸«ã‚ã‚Šå¦ç¿’ã§äº‹å‰å¦ç¿’ã•ã›ã€ãã®å¾Œè‡ªå·±å¯¾æˆ¦ã«ã‚ˆã‚‹å¼·åŒ–å¦ç¿’ã«ã‚ˆã£ã¦ã•ã‚‰ã«æ”¹å–„ã•ã›ã¦ã„ã。 AlphaGo ã®å¼·åŒ–å¦ç¿’パート 教師ã‚ã‚Šå¦ç¿’後㮠policy network ã®ãƒ‘ラメータ $\rho_0$ ã‹ã‚‰å¦ç¿’をスタートã™ã‚‹ã€‚自己対戦ã®çµæžœã‹ã‚‰ policy network ã®ãƒ‘ラメータã¯éšæ™‚æ›´æ–°ã•ã‚Œã¦ã„ã。ãれらを $\rho_1, \rho_2, \cdots$ ã¨ã™ã‚‹ã€‚$t$ 回目ã®è‡ªå·±å¯¾æˆ¦ã§ã¯ã€ç¾åœ¨ã®ãƒ‘ラメータ $\
{{#tags}}- {{label}}
{{/tags}}