An Introduction to Counterfactual Regret Minimization
In 2000, Hart and Mas-Colell introduced the important game-theoretic algorithm of regret matching. Players reach equilibrium play by tracking regrets for past plays, making future plays proportional to positive cumulative regrets (i.e. how much they wished they had made the moves on average). The technique is not only simple and intuitive; it inspired the counterfactual regret minimization algori
ゲーム理論と室内ゲーム
2023-09-04 アブストラクトゲームとは 2023-08-20 立体三目並べ 2023-08-17 参考文献/世界の将棋 改訂版 古代から現代まで 2023-08-08 Alapo Chess(欧米他) 2023-08-06 Abstract Strategy Game Society 2023-07-30 King's Court 2023-07-29 王手将棋 2023-07-23 KingsTable ／ Tablut ／ Hnefatafl 2023-07-22 FlipFour アブストラクトゲームと数学 コラム 1 --- 当館でのアブストラクトゲームの分類については、アブストラクトゲームの種類を御覧ください。 ゲーム理論とは † ゲーム理論[game theory]は、現実社会にみられる競争や協力の様々な形態を抽象化して数理的なモデルで捉え、各自の行動原理を数学的に研究
人間対コンピュータのポーカー対決、勝者は人間
人間対コンピュータのポーカー対決の結果は、人間2勝、コンピュータ1勝、引き分け1となった。 プロポーカー選手のPhil Laak氏とAli Esmali氏は米国時間7月24日、コンピュータプログラム「Polaris」を相手にポーカー試合をした。Polarisは、カナダのアルバータ大学で26年がかりで開発されたものだ。この試合は、カナダ・バンクーバーで開催された「American Association for the Advancement of Artificial Intelligence（AAAI）」で行われたもので、人間が参加した最初の科学的試合の1つとなる。 結果は、500ハンドの第1試合では、PolarisはLaak氏とEsmali氏を破った。第2試合は引き分けで、第3試合と第4試合は敗れた。Laak氏とEsmali氏は賞金2万ドルをそれぞれ獲得、このうち5000ドルは科学的試
Bonanzaの学習法 - 小宮日記
CSAの例会のコメントを見ると、柿木さんは「Bonanzaに習って私も学習してみました」と書かれてました、 このような集められる情報を、それこそ目を皿のようにして読みました。 TD法も勉強しました。最急降下法も勉強しました。ロジステロの学習法も学びました。 はじめは、ロジステロのように学習しようと思いましたが、 「正確な評価値？」分かりません＿|￣|○ 終盤ではなく、序盤・中盤で、正確な値は分からない。 Bonanzaがやっている学習は、正確な評価値を出すように評価関数を最適化しているのではなくて、 棋譜の手とよく一致するように評価関数を最適化しているのでした。 では、TD法とどう違うのか？ TD法による学習は、棋譜ではなく、相手と対局して、状況の変化を利用していました。 オセロは将棋のように静止探索をしないでいいので、ある局面の評価＝その局面の評価で済むのです。 将棋は違います。 それを
GPW-06 2日目 | えどがわだい BioImaging: 大宮分室2
Bonanzaの保木さんの招待講演は，局面評価用の静的評価関数の設計を，最適制御理論の枠組みで行なったという話．学習に用いる棋譜データは6万局ぶんで，特徴空間は1万次元以上，計算時間はPCで3ヶ月とのこと．minimax探索の結果の勾配(評価関数のパラメタ空間に対する勾配)は，その探索における最善応手列(特徴空間の十分狭い範囲で一定と仮定)の末端局面に対する静的評価値の勾配と等しいことを利用して，「棋譜データを再現するための静的評価関数の学習」を「minimax探索の結果と棋譜データとの一致度(＋安定化項)の最小化問題」に置き換える．特徴ベクトル更新の幅の調整は手動で，じょじょに小さくする．…という感じだったように思うが，理解できているか自信がない．次元の大きさが驚きだった．なお，収束していない特徴への対応や次元圧縮のために補間を用いることを提案されていた． Bonanza のサイトの「お
「うさぴょん 〜将棋を革命する力を〜」
うさぴょん Official HomePage 最終更新日 2006.1.9 「うさぴょん」は2000年3月の第10回コンピュータ将棋選手権に出場した、 鈴木将棋をベースに開発しているコンピュータ将棋プログラムです。 将棋のフリーソフトとしては、最強クラスの実力(定跡を早々に外れなければ初段程度)があるものと思います。 その他詳しいことは、うさぴょんFAQにまとめました。 更新履歴 「開発日記」はそれなりの頻度で書いてます。 2008. 2.14 うさぴょん2007年版ソース/UIソース公開・バイナリ配布 ダウンロードから持っていってください。 2006. 1. 9 開発日記をココログに移動。 2004. 7.30 うさぴょん V1.2.4バイナリ公開 ダウンロードから持っていってください。 2004. 7.13 ごめんなさい、古いバイナリーを置いていました m(..)m うさぴょん V
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
The Second Man-Machine Poker Competition
http://www2.ci.sys.fit.ac.jp/fai/computergame.html
http://www.ic-net.or.jp/home/takaken/index.html
サービス提供終了のお知らせ