В 1996 году Хорас Вайкит Чань, Ирвин Кинг и Джон Луи из Китайского университета Гонконга представили новое правило обновления весов многослойной сети при обучении временными разностями TD(λ). Работа вошла в материалы конференции IEEE по нейронным сетям.
Сеть оценивала позиции на доске7×7 и училась на собственных партиях. Авторы сравнили четыре значения λ, сохраняя одинаковую архитектуру и начальные настройки, а затем устраивали игры обученных сетей друг с другом.
В этих опытах ненулевая память предыдущих оценок давала преимущество перед TD(0). Это отдельная ранняя разработка метода обучения компьютерному го. Результат ограничен исследовательской системой: проверки против сильных людей или на доске19×19 работа не предъявляет.
Основание материала
Источники и проверка
- Исследование
Chan,King,Lui: TD(λ) и го, оригинал
PDF1–5: метод, опыты7×7, выводы
Проверен:
- Официальный источник
CUHK: библиографическая запись1996
Авторы,1996,IEEE,с.1716–1720
Проверен:
Раскрытие связи
Материал входит в общий проект сайтов о го.
История продолжается.
Другие события в хронике →