CD
но наверное надо
Size: a a a
2020 September 10
PO
Там обычный sgd по идее
PO
Просто правильно настроенный
EZ
Там обычный sgd по идее
сгд по чему?)
CD
sgd по невязке сработает?
PO
sgd по невязке сработает?
Да
CD
просто накидать там тыщу параметров потенциальных
CD
и веса sgd-шить?
EZ
как функцию из набора карт в оценку представлять будешь?
V🇺
А есть шарящие в оптимизациях? Для игры на графе "прийди от старта к финишу" хочу назначить 0 начальной позиции, 1 конечной и после этого оптимизировать согласованность оценки, то есть минимизировать невязку между оценкой позиции и средним оценки по рандому возможных переходов. Плюсы, минусы, подводные камни?
разрешаю - как-то так учится критик в actor-critic методах (если очень упростить)
EZ
нетабличный рл это боль
PO
как функцию из набора карт в оценку представлять будешь?
Да какой-нибудь лайм зашарашу
V🇺
нетабличный рл это боль
да норм
CD
как функцию из набора карт в оценку представлять будешь?
ну у меня есть вектор из 34 по 0..4 х 0..4, сколько в руке сколько выкинуто
PO
И по нему уже оптимайзить
V🇺
тем более тут актор фиксирован
EZ
да норм
машины уже ездят?
V🇺
машины уже ездят?
пока на IL, но в симуляции RL уже работает лучше
EZ
я б наверное в model-based полез
EZ
пока на IL, но в симуляции RL уже работает лучше
неплохо, может бумаги вашей резаной прикупить?)