知识卡片
AlphaGo用模型约束搜索预算
围棋动作树太大,单靠逐层枚举无法在常见预算内到达全部终局。AlphaGo 以学习到的策略为走子排序,用估值近似后续结果,再用树搜索集中比较重要分支。该设计将规模问题拆到搜索广度与深度两个方面。
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
- 基于强化学习的经典应用——AlphaGO · 查看原书依据
策略网络、估值网络等核心组件,实际上都是在为这个原理服务。
参考来源
- 位置:《机器学习观止:核心原理与实践》第23章《基于强化学习的经典应用——AlphaGO》(来源项目 book-source,`extracted/机器学习观止:核心原理与实践/_epub-src/OEBPS/Text/chapter23.xhtml`)。
- 结论依据:第 23.2 节通过人工棋谱限制与动作空间解释组合模型的原因。
- 原始内容:策略网络、估值网络等核心组件,实际上都是在为这个原理服务。