作者mathbug (天堂的定义)
看板GO
标题Re: [闲聊] 有关"深度学习"的文章
时间Wed Mar 16 11:24:14 2016
※ 引述《OxfordGOD (牛津神)》之铭言：
: http://www.bnext.com.tw/article/view/id/38923
: 目前我在网路上看到这篇介绍的比较详细
第一次粗略地看完这一篇文章 结合这几天来的思考 我想提出一些看法
简略地先说说 AlphaGo 的三大手法:(有错请指正)
1. 策略网路 (根据大量棋谱训练 监督式学习 提出(双方)最有可能的落子点)
https://goo.gl/bONQ6T
2. 评价网路 (根据两台能力相同的AlphaGo(随机多次)下到完，
推估落子点胜率，选胜率高者。由於两台机器能力一样，
此机率跟落点有关，跟对手是谁或能力无关)
https://goo.gl/XWfWnv
3. 蒙地卡罗搜寻树 (混合1与2并进行简化动作，不需要每一点或每一个分支进行分析)
____________________________________________________________
也请参考
http://www.slideshare.net/ccckmit/alphago-59482042
(用十分钟了解《AlphaGo的几个可能弱点》)
____________________________________________________________
****** 以下为我的看法 *********
_______________________________
个人觉得有两个方向可能可以试试 让AlphaGo更接近完美
A. 训练棋谱先分类 如我之前的文章所说明
#1MvdF35h
(避开胜负手/无理手翻盘的棋谱 训练时只采用完胜的棋谱)
B. 将评价网路中的
胜率最高着点改为围地目数最多之着点
当然可以两种都记录下来
根据以上的第2点，比方说，模拟10000盘，某a点围地最多，它的胜率也应该是
胜率最高的几个点之一，这绝对是正相关的两种参数
(若不是，系统的不稳定性就出来了(如第四盘的鬼手出现))
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 180.177.12.82
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/GO/M.1458098658.A.720.html
※ 编辑: mathbug (180.177.12.82), 03/16/2016 11:24:49
1F：→ aaaba: 来人啊，把千万盘棋谱表上围地最大的着点 03/16 11:26
2F：→ aaaba: 等等，你到底是在说评价网路还是策略网路 03/16 11:27
3F：→ aaaba: 表->标 03/16 11:28
4F：→ aaaba: 原来的评价网路也是没有胜率最高着点这种输出 03/16 11:29
5F：推 zeat: 有些棋是专门破空或杀棋的，这跟围地就无关了吧 03/16 11:39
我应该说数子最多者 基本上是一样的
※ 编辑: mathbug (180.177.12.82), 03/16/2016 11:42:28
6F：推 jackypan1989: 不如说是相对目数增幅 03/16 11:53
7F：嘘 aaaba: 你可以自己定义你的评价网路，但不要说是alphaGo的可以吗？ 03/16 13:25