Re: [閒聊] 有關"深度學習"的文章

[mathbug (天堂的定義)]

※ 引述《OxfordGOD (牛津神)》之銘言：
:   http://www.bnext.com.tw/article/view/id/38923
:   目前我在網路上看到這篇介紹的比較詳細

第一次粗略地看完這一篇文章 結合這幾天來的思考 我想提出一些看法

簡略地先說說 AlphaGo 的三大手法:(有錯請指正)

1. 策略網路 (根據大量棋譜訓練 監督式學習 提出(雙方)最有可能的落子點)

   https://goo.gl/bONQ6T

2. 評價網路 (根據兩台能力相同的AlphaGo(隨機多次)下到完，
             推估落子點勝率，選勝率高者。由於兩台機器能力一樣，
             此機率跟落點有關，跟對手是誰或能力無關)

   https://goo.gl/XWfWnv

3. 蒙地卡羅搜尋樹 (混合1與2並進行簡化動作，不需要每一點或每一個分支進行分析)

____________________________________________________________

也請參考 http://www.slideshare.net/ccckmit/alphago-59482042

(用十分鐘瞭解《AlphaGo的幾個可能弱點》)
____________________________________________________________
****** 以下為我的看法 *********
_______________________________

個人覺得有兩個方向可能可以試試 讓AlphaGo更接近完美

A. 訓練棋譜先分類 如我之前的文章所說明 #1MvdF35h
   (避開勝負手/無理手翻盤的棋譜 訓練時只採用完勝的棋譜)

B. 將評價網路中的勝率最高著點改為圍地目數最多之著點

   當然可以兩種都記錄下來

   根據以上的第2點，比方說，模擬10000盤，某a點圍地最多，它的勝率也應該是

   勝率最高的幾個點之一，這絕對是正相關的兩種參數
   (若不是，系統的不穩定性就出來了(如第四盤的鬼手出現))

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 180.177.12.82
※ 文章網址: https://www.ptt.cc/bbs/GO/M.1458098658.A.720.html
※ 編輯: mathbug (180.177.12.82), 03/16/2016 11:24:49
→ aaaba: 來人啊，把千萬盤棋譜表上圍地最大的著點
→ aaaba: 等等，你到底是在說評價網路還是策略網路
→ aaaba: 表->標
→ aaaba: 原來的評價網路也是沒有勝率最高著點這種輸出
推 zeat: 有些棋是專門破空或殺棋的，這跟圍地就無關了吧
我應該說數子最多者 基本上是一樣的
※ 編輯: mathbug (180.177.12.82), 03/16/2016 11:42:28
推 jackypan1989: 不如說是相對目數增幅
噓 aaaba: 你可以自己定義你的評價網路，但不要說是alphaGo的可以嗎？