Chainerで機械学習と戯れる： 足し算ゲームをChainerを使って強化学習できるか？ - Qiita

はじめに 以前の足し算ゲームを強化学習で学習できるか？では、単純な足し算ゲームの良い行動を Q-Learningという方法で学習してみました。 今回は同じゲームを Chainerを使って学習させることにします。 ただ、完全に手探りで作ったので、正しくない箇所もまだ残っていそうですが、一応学習できたので投稿しておきます。 お題: 足し算ゲーム by Chainer 前回と同じで、以下のゲームを考えます。 状態S: 0~9 の整数 アクションA: 1~4の整数 次状態S': (S + A) % 10 報酬R: +1: S' == 7 -100: S' in (5, 9) 実験 実験に使ったソースコードはこちらです。 基本的には、前回のQLearningPlayer を NNQLearningPlayer に置き換える形になります。 まだ間違っている箇所もありそうですし、色々わからなかった、ハマ