《AlphaGo-左右互搏50谱》（SGF版）

fyw

AlphaGo用深度卷积神经网络（CNN）来训练价值网络和策略网络。棋盘规模是（19×19），棋盘每个位置编码48种经验特征。把这些特征输入模型进行训练，经过层层卷积，更多隐含特征会被利用。
基于类似的卷积神经网络结构，AlphaGo先做策略学习（学习如何下子），再做价值学习（学习评估局面）。策略学习也分为两步。第一步是有监督学习，即“打谱”，学习既往的人类棋谱。第二步是强化学习，即“左右互搏”，通过程序的自我博弈来发现能提高胜率的策略。
说“左右互搏”（强化学习）。这是在打谱的基础上，让不同下法的程序之间相互博弈。强化学习的策略网络和有监督学习（打谱）的网络结构一样，也同样利用梯度下降的学习方法。区别在于用一个“回报”（赢棋是1，输棋是-1）来奖励那些会导致最终获胜的策略。


AG vs AG 50局.zip (40.46 KB, 下载次数: 352, 售价: 9 枚锐币)

2017-5-29 11:30 上传

点击文件名下载附件

雪莲

为此贴配上图，漂亮！

luyuxin

不知道谁能认真分析讲解

天色将晚

谢谢兄台，有心了

qzzhrq

很多下法目前的棋手理解不了，怎么给你讲解！

dragonliwenxu

感谢分享，纯属收藏。

wzhdvd

感谢大家的分享。