知识卡片
估值和模拟共同评价叶子
早期 AlphaGo 用策略先验引导树中分支。新叶子同时获得价值网络预测和快速策略走到终局的模拟结果,汇合后回传并更新路径中的统计量。它把便宜但可能不准的评估和树搜索的多次试探配合起来。
AlphaGo的搜索估值也须统一叶节点回报与玩家视角。参见 [[搜索回传要统一玩家视角]]。
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
MCTS主要包含选择(Selection)、扩展(Expansion)、评估(Evaluation)和后备(Backup)四个阶段
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:图 23-5 分画价值 v 与模拟终局 z,再在回传前组合。
- 原始内容:MCTS主要包含选择(Selection)、扩展(Expansion)、评估(Evaluation)和后备(Backup)四个阶段