知识卡片
价值网络估计终局收益
价值网络接收局面,输出到达该局面后结果的标量估计。终局结果可由自对弈棋局标注,中间棋面与终局的配对成为训练样本。同一对局相邻棋面很相似,应控制抽样避免高相关记录主导训练。
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
输出层不是概率分布,而是一个预测值标量。
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 23.4 节将策略与价值的输出对照,并说明自对弈采样的动机。
- 原始内容:输出层不是概率分布,而是一个预测值标量。