「ã“ã‚Œã‹ã‚‰ã®å¼·åŒ–å¦ç¿’ã€1ç« ã®å†…容ã§ä¸‰ç›®ä¸¦ã¹ - Gunosyデータ分æžãƒ–ãƒã‚°ã“ã‚“ã¡ãã‚。データ分æžéƒ¨å…¼ã‚µã‚¦ãƒ³ãƒ‰ã‚¨ãƒ³ã‚¸ãƒ‹ã‚¢ã®å¤§æ›½æ ¹ã§ã™ã€‚最近ã¯å¾å¦»å…‰è‰¯&The Swingin Buppersã®ãƒ©ã‚¤ãƒ–ã«è¡Œãã¾ã—ãŸã€‚ 今回ã¯4/12ã«é–‹å‚¬ã—ãŸã€Œã“ã‚Œã‹ã‚‰ã®å¼·åŒ–å¦ç¿’ã€ã®è¼ªèªä¼šã®1.3節ã§ç´¹ä»‹ã—ãŸä¾¡å€¤å復法ã®ã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ ã‚’ã€æ•™ç§‘書ã¨ã¯ç•°ãªã‚‹ä¾‹ã§å®Ÿè£…ã—ã¦ã¿ã¾ã—ãŸã€‚ é–‹å‚¬å ±å‘Šã«ã¤ã„ã¦ã¯ä¸‹è¨˜ã®ãƒ–ãƒã‚°ã‚’ã”覧ãã ã•ã„。 data.gunosy.io メジャーãªã‚²ãƒ¼ãƒ ã§ã‚る三目並ã¹ã‚’ã€1.3節ã«ã¦ç´¹ä»‹ã•ã‚Œã¦ã„ã‚‹Sarsaを用ã„ã¦å¦ç¿’ã—ã¾ã—ãŸã€‚ 教科書ã¨ã¯åˆ¥ã®ä¾‹ã§å®Ÿè£…ã™ã‚‹ã“ã¨ã§å°‘ã—ã§ã‚‚ç†è§£ãŒæ·±ã¾ã‚Œã°ã¨æ€ã„ã¾ã™ã€‚ 価値å復ã«åŸºã¥ãアルゴリズムマルコフ決定éŽç¨‹ã«ãŠã„ã¦ä¾¡å€¤é–¢æ•°ã‚’特定ã®æ›´æ–°å¼ã«å¾“ã£ã¦æ›´æ–°ã™ã‚‹æ‰‹æ³•ã§ã™ã€‚(今回ã¯Sarsaã§è©¦ã—ã¾ã—ãŸã€‚) 発表ã®éš›ã«ã¯ã€tã®çŠ¶æ…‹ã®æ›´æ–°å¼ã«æ¬¡ã®çŠ¶æ…‹ t+1ãŒå«ã¾ã‚Œã¦ã„ã‚‹ã¨ã“ã‚ãªã©ãŒã‚ã‹ã‚Šã¥ã‚‰ã„ã¨ã®è³ªå•ã‚’å—ã‘ã¾ã—ãŸã€‚ 価値å復ã«åŸºã¥ãアルゴリズムã§ã¯éŽ
Chainerã§DQN。強化å¦ç¿’を三目並ã¹ã§ã„ã‚ã„ã‚試ã—ã¦ã¿ãŸã€‚（Deep Q Networkã€Q-Learningã€ãƒ¢ãƒ³ãƒ†ã‚«ãƒ«ãƒï¼‰ - Qiita
三目並ã¹ã‚’強化å¦ç¿’ã™ã‚‹ - Qiita
TensorFlowã§TicTacToeã«æŒ‘戦 - Qiita
GitHub - nczempin/gym-tic-tac-toe: A simple two-player environment for openai/gym
{{#tags}}- {{label}}
{{/tags}}