知识卡片
策略网络预测下一步动作
策略网络给候选落子分配概率,供搜索作为先验。早期系统先拟合人类棋谱,再由自对弈优化强化学习策略。用概率表示动作倾向和用价值表示局面终局结果是两种不同职责。
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
通过最后的Softmax层来输出棋盘所有空位的概率值
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 23.3 节依次介绍监督与强化策略训练,图 23-2 区分二者。
- 原始内容:通过最后的Softmax层来输出棋盘所有空位的概率值