![モデリングの岷し
ネットワ`ク
?DQN(秘薦１２肝圷?Lれ 2咤12肝圷 full connected relu?竃薦2肝圷?linear)
loss function: mse ,optimizer: Adam
?learning rate = 0.00001
蒙翮
纂宀是y業在BA(3)
スタッフ室楚:BA(3)
スタッフの腎き彜r:one-hot(3)
鬋好織奪:one-hot(3)
佩
?try passの屈k
鶻
撹孔 +1
払-1
棋ちrgなしのpass 0
棋ちrgありのpass -0.5
?2step瘁までを深]した鶻蠅廃Я
廣鶻裼v方と蒙羀戰トルを岷したり learning rateを弌さくしたりした。](https://image.slidesharecdn.com/20190216reinforcementlearningtalkscommunity-190221092624/85/20190216-reinforcement-learning_talks_community-17-320.jpg)
More Related Content
Similar to 20190216 reinforcement learning_talks_community (20)
Recently uploaded (15)
20190216 reinforcement learning_talks_community
- 1. 膿晒僥楼のg匍暦への鮄辰砲弔い 2019-02-16 Math & Coding 晒僥をZろう 幄塀氏芙スクラムサイン?旗燕函叨?臼翫嗔才 kitamura@scrumsign.com Title
- 2. 臼翫?嗔才 碧並砦衒住疉腑好ラムサイン? ??C亠僥アプリケ`ションのO_k ??デ`タ蛍裂チ`ムの羨ち貧げ屶址 ??晒僥と_楕プログラミングにv伉。eO議に並箭を恬っています。 箸龍:コミュニティ\(Math & Coding 麼岸) ??vが縮えるのではなく、歌紗宀揖平が札いに岑Rと岑{を隔ち篠り ??縮えあい僥ぶにSしさを湖じています。 徭失B初
- 9. PoC(古廷編^) C亠僥が△砲Δ泙Mむと、 仟繁は徭蛍の薦楚にあった纂宀をxe?> 払‖箆造る ベテランスタッフ?y叟業が互い纂宀をxe > 払‖壁呂る はず GoalのO
- 12. g廾坤皀妊螢鵐 ネットワ`ク ?DQN(Lれ 2咤秘薦肝圷と揖じ full connected relu?竃薦2肝圷?linear) 蒙翮 纂宀是y業在BA(6) スタッフ室楚:BA(3) スタッフの腎き嚠協rg:BA(3) 鬋好織奪:one-hot(3) 佩 ?try pass 2肝圷 鶻 撹孔 : dif?culty/skill (0護?{屁ずみ) 払: -skill/dif?culty(０護?{屁ずみ) 棋ちrgなしのpass 0 棋ちrgありのpass -skill/dif?culty * ┫ちrg/2*棋ちrgの恷寄) v方除貌では、輝兜ニュ`ラルネットではないものをg廾しようとしたがニュ`ラルネットの圭がSにg廾できるので rgのvSでDQNでg廾する。
- 13. 僥の容卞 ランダムに佩嘸xk
- 14. 僥の容卞 ランダムに佩嘸xk
- 15. 僥の容卞 DQNではどうか
- 17. モデリングの岷し ネットワ`ク ?DQN(秘薦１２肝圷?Lれ 2咤12肝圷 full connected relu?竃薦2肝圷?linear) loss function: mse ,optimizer: Adam ?learning rate = 0.00001 蒙翮 纂宀是y業在BA(3) スタッフ室楚:BA(3) スタッフの腎き彜r:one-hot(3) 鬋好織奪:one-hot(3) 佩 ?try passの屈k 鶻 撹孔 +1 払-1 棋ちrgなしのpass 0 棋ちrgありのpass -0.5 ?2step瘁までを深]した鶻蠅廃Я 廣鶻裼v方と蒙羀戰トルを岷したり learning rateを弌さくしたりした。