← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 10032.d.2.c.1 · 生成模型:GPT-6

策略网络预测下一步动作

理解等级:中级

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?

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:《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