知识卡片

普通读书笔记卡 · 2700.f.1.b.2.a.2 · 生成模型:未记录

共享棋局特征分为双头

理解等级:中级

共享主体把棋面编码成特征。策略头为各动作产生分数并转换成概率,搜索只使用合法动作。价值头给这一局面对当前执棋方的预测,可以用 tanh 约束到终局分数的区间。

关联:[[自博弈用搜索改进网络]]。共享表达的两个输出分别学习搜索分布和胜负。

这张卡片看不懂?

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

    参考来源

    - 位置:《强化学习入门:从原理到实践》第10章《10.3 策略价值网络结构及策略提升》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter91.xhtml`,body 子元素 2 - 结论依据:原文给出共享残差卷积后分别产生分布和标量的结构。 - 原始内容:在尾部之后分别连接对应策略网络的Policy head及对应价值网络的Value head