知识卡片
根访问次数形成策略标签
用访问次数的 1/温度 次方归一化,低温使选择集中于访问最多的动作。搜索分布可用于训练策略头。旋转或镜像扩增样本时,动作概率向量应与棋盘一起变换,终局得分保持相同。
关联:[[树内先验与均值共同选边]]。搜索选择积累的根动作次数转成学习目标。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 10.1 自博弈中的蒙特卡罗树搜索 · 查看原书依据
进行指定搜索次数的思考后,Alpha Zero将针对当前状态选择实际对战的落子行为
参考来源
- 位置:《强化学习入门:从原理到实践》第10章《10.1 自博弈中的蒙特卡罗树搜索》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter89.xhtml`,body 子元素 20
- 结论依据:原文在搜索结束后按统计形成实际落子分布。
- 原始内容:进行指定搜索次数的思考后,Alpha Zero将针对当前状态选择实际对战的落子行为