18/05/03 17:39:00.19 aC7LfhT5.net
報酬＝報酬量
01＝－500
02＝－500
03＝－500
04＝－500
05＝－500
06＝－500
07＝－3
08＝－2
09＝－1
10＝±0
11＝＋1
12＝＋2
13＝＋3
14＝＋2
15＝＋1
16＝±0
17＝－1
18＝－2
19＝－3
20＝－500
21＝－500
22＝－500
23＝－500
24＝－500
25＝－500
5:ゲーマーLV90
18/05/03 17:40:32.43 aC7LfhT5.net
状態 行動 効果 報酬 報酬量？
00 00 000 01 □ －500
00 00 000 02 □ －500
00 00 000 03 □ －500
00 00 000 04 □ －500
00 00 000 05 □ －500
00 00 000 06 □ －500
07 □ 01 □ ＋1 07 □ －3
08 □ 02 □ ＋2 08 □ －2
09 □ 03 □ ＋3 09 □ －1
10 □ 04 □ ＋4 10 □ ±0
11 □ 05 □ ＋5 11 □ ＋1
12 □ 06 □ ＋6 12 ■ ＋2
13 ■ 07 ■ －1 13 □ ＋3
14 □ 08 □ －2 14 □ ＋2
15 □ 09 □ －3 15 □ ＋1
16 □ 10 □ －4 16 □ ±0
17 □ 11 □ －5 17 □ －1
18 □ 12 □ －6 18 □ －2
19 □ 13 □ ±0 19 □ －3
00 00 000 20 □ －500
00 00 000 21 □ －500
00 00 000 22 □ －500
00 00 000 23 □ －500
00 00 000 24 □ －500
00 00 000 25 □ －500
6:ゲーマーLV90
18/05/03 17:42:32.91 aC7LfhT5.net
横＝行動
縦＝状態
？＝報酬
01020304050607080910111213
07？？？？？？？？？？？？？
08？？？？？？？？？？？？？
09？？？？？？？？？？？？？
10？？？？？？？？？？？？？
11？？？？？？？？？？？？？
12？？？？？？？？？？？？？
13？？？？？？？？？？？？？
14？？？？？？？？？？？？？
15？？？？？？？？？？？？？
16？？？？？？？？？？？？？
17？？？？？？？？？？？？？
18？？？？？？？？？？？？？
19？？？？？？？？？？？？？
7:ゲーマーLV90
18/05/03 17:44:02.68 aC7LfhT5.net
ずれてる(笑)
01 02 03 04 05 06 07 08 09 10 11 12 13
07 08 09 10 11 12 13 06 05 04 03 02 01 07
08 09 10 11 12 13 14 07 06 05 04 03 02 08
09 10 11 12 13 14 15 08 07 06 05 04 03 09
10 11 12 13 14 15 16 09 08 07 06 05 04 10
11 12 13 14 15 16 17 10 09 08 07 06 05 11
12 13 14 15 16 17 18 11 10 09 08 07 06 12
13 14 15 16 17 18 19 12 11 10 09 08 07 13
14 15 16 17 18 19 20 13 12 11 10 09 08 14
15 16 17 18 19 20 21 14 13 12 11 10 09 15
16 17 18 19 20 21 22 15 14 13 12 11 10 16
17 18 19 20 21 22 23 16 15 14 13 12 11 17
18 19 20 21 22 23 24 17 16 15 14 13 12 18
19 20 21 22 23 24 25 18 17 16 15 14 13 19
8:ゲーマーLV90
18/05/03 17:52:34.25 aC7LfhT5.net
説明が失敗しそうな予感がする
状態＋行動＝報酬
状態 行動 効果 報酬 報酬量
状態13 行動13 効果13 報酬25 報酬量8
記憶
状態 行動 報酬量？ 回数 上限
状態 認識 参照 行動 報酬 記憶
状態ｎの時に行動ｎをしたら報酬ｎが得られた
9:ゲーマーLV90
18/05/03 17:53:29.36 aC7LfhT5.net
モード
学習データ作成モード
状態に対して学習データを参照して
回数が少ない行動を取る 回数が同じ場合は 行動変数小さい順 や 行動01から順に
など
学習データ使用モード
状態に対して学習データを参照して
報酬が一番高く確率が高い行動を選択 確率が同じ場合新しいのを選択
や
スコアがｎ点になるように行動 ｎ点になったらその点数を維持
など
10:ゲーマーLV90
18/05/03 17:54:23.34 aC7LfhT5.net
記憶上限
報酬複数や報酬変化に対応 など
上限超えた記憶を消すのが重要
上限少ない方が適応が速い
状態 行動 結果 回数＝％ 上限
回数＝報酬を得た回数
古いのから消えていく
例 報酬複数
状態01＋行動01＝報酬01 50 100
状態01＋行動01＝報酬02 30 100
状態01＋行動01＝報酬03 20 100
状態＋行動＝報酬 の表の作成と使用
表の作成＝学習
表の使用＝予測
状態ランダムテーブルシャッフル
09 08 07 04 05 06 03 02 01 10 13 12 11 など
13回状態変えたらシャッフル
一応確率式でも可能だけど確率式だと学習漏れする可能性がある
100÷13＝約7.69％ 01から13まで各状態7.69％とかだと学習漏れの可能性
学習率
学習率100％＝表の完成？ 確率的な場合 表が完成しない場合もある
記憶上限も関係？
11:ゲーマーLV90
18/05/03 17:56:08.21 aC7LfhT5.net
フェーズ 学習データ作成モード ざっくり
モード＝状態に対して学習データを参照して
回数が少ない行動を取る 回数が同じ場合は 行動変数小さい順 や 行動01から順に
状態ランダムテーブルシャッフル
状態 テーブルの1番
状態認識
モード参照
行動
報酬獲得
記憶
状態 テーブルの2番
状態認識
モード参照
行動
報酬獲得
記憶
テーブル13まで終わったら
状態ランダムテーブルシャッフル
状態 テーブルの1番
状態認識
モード参照
行動
報酬獲得
記憶
13×13＝169 で表完成
フェーズ 学習データ使用モード ざっくり
モード＝状態に対して学習データを参照して
報酬が一番高く確率が高い行動を選択 確率が同じ場合新しいのを選択
状態ｎに対して作成した表の行動13を選択でモードの表現
12:ゲーマーLV90
18/05/03 17:58:49.65 aC7LfhT5.net
とりあえず要素はこんな感じです
説明なしでも伝わるか時間置いてみようと思います
13:名前は開発中のものです。
18/05/03 18:50:39.41 lR8Sdj6R.net
報酬はどうやって決定するの？
14:ゲーマーLV90
18/05/03 19:42:11.21 aC7LfhT5.net
>>13
状態＋行動＝報酬です
あと>>4を見てもらえれば
15:名前は開発中のものです。
18/05/04 22:18:50.88 n9JbwOr3.net
学習データとは？ざっくりしすぎでは・・・
16:ゲーマーLV90
18/05/05 00:10:00.19 z96vZ9b+.net
>>15
>>7と>>10の例 報酬複数を見てもらえれば
17:名前は開発中のものです。
18/05/08 12:51:01.99 k5dyx4p9.net
レコメンドエンジンみたいだな
18:ゲーマーLV90
18/05/08 14:12:50.03 IzTxC8ab.net
レコメンドエンジンちょっと調べてみた
レコメンド
ALS(Alternative Least Squares=交互最小二乗法)とは行列分解の手法の1つ
を用いる
このスレも行列分解の手法の1つ？
協調フィルタリング
チェックまたは購入 類似性 相関分析 関連付け 提示
状態＋行動＝評価 このスレ
ユーザー＋アイテム＝レーティング レコメンド
人の評価をすり合わせて評価の予測？ レコメンド
ユーザー1＝ユーザー2と類似性がありアイテム1の評価がされていない
ユーザー2＝ユーザー1と類似性がありアイテム1が高評価
ユーザー1にアイテム1を提示
過去の結果とのすり合わせ このスレ
他ユーザーとのすり合わせ レコメンド
合ってるか分からないけどこんな感じかな？
相関分析で敵の行動予測とかできそう
敵の行動＝敵のモード
19:名前は開発中のものです。
18/05/19 21:41:48.21 XUCzaMwj.net
今回はウディタでサンプル作らないの？
20:名前は開発中のものです。
18/05/22 20:56:33.45 z5Z1yyt2.net
張り切って酉まで付けたのにまた終わっちゃったねwwwww
21:名前は開発中のものです。
18/06/01 20:58:45.43 ty3Sqiwe.net
ﾟ ･ 。： ．ﾟ：． 。* o・ ：ﾟﾟ 。ﾟ ：∴ﾟ ･ 。： ． ﾟ：． 。* o・：ﾟﾟ 。 ﾟ：∴。： ﾟ。
∴ 。o ．ﾟ ：． 。 o ・ ：ﾟﾟ ・ ： ﾟﾟ 。ﾟ ： ﾟ∴ ﾟ ･ 。 ： ． *ﾟ
o・ 。 ﾟ： ．ﾟ ･ 。 *： o・ ：ﾟﾟ 。 ／ ﾟ∴．ﾟ ：． 。 o・ ：ﾟﾟ 。ﾟ： ﾟ∴ ﾟ：
。 ：ﾟ。 ﾟ ･oﾟ ･ 。： ．ﾟ：． 。* ／ o・： ﾟﾟ 。ﾟ ：∴。： ﾟ。 ﾟ∵： 。ｏﾟ ･ 。
。 o・ ：ﾟﾟ 。ﾟ： ﾟ ／ ∴ﾟ ･ 。： *∵ ﾟ∵ *。 ：。 ｏ゜ﾟ
∴ 。 o・ ：ﾟﾟ 。 ﾟ： ﾟ ／ ∴ﾟ 。： ． *ﾟ：．。 ﾟ∵* ：
。ﾟ： ﾟ∴． ﾟ：． ／ 。 ｏﾟ ･ o・。 ﾟ： ．ﾟ ･ ・： ﾟﾟ 。ﾟ：
･ 。：．ﾟ： ／ ．。 o・：ﾟﾟ 。ﾟ：ﾟ ∴ ﾟ ： ﾟ ∵
ﾟ ･ 。ﾟ ･ 。 ： ☆ ． ﾟ* ・ ﾟ。 ：． 。 *o・： ﾟ ﾟ 。ﾟ： ﾟ。 。ﾟ：ﾟ *ﾟ ﾟ
∵ ﾟ∵： o・：ﾟﾟ 。 ﾟ：ﾟ∴ 。ｏ *ﾟ ･ 。： ． ﾟ：．。 o・： ﾟﾟ*： o・
。ﾟ：ﾟ ∴ ﾟ ﾟ： ﾟ ∵ﾟ。ﾟ∵o：。ｏﾟ ･ o・。 ﾟ： ．ﾟ ･ 。∴。： ﾟ。
。： ．ﾟ：．。 o ・：ﾟﾟ∴ 。o・： ﾟﾟ 。ﾟ： ﾟ ∴ﾟ ･ 。： ． *ﾟ： ．。 o・：ﾟ 。 ﾟ： ﾟ。
・ ゜ 。 ．
． ゜
． 。 ・ ．
゜ ＼ ゜ ．
゜ ・ 。 ゜
． ＼ ゜ .
． 。 ・
。 ☆ | ． そして彼らは星になった
． ・ 。 ゜
゜・ / ．
。 ． 。 ゜
． ． ＼ .
゜ ゜ ＼／゜
． ． ゜
22:名前は開発中のものです。
19/06/19 04:15:47.60 qVadzKwr.net
【出資】松本卓朗 人工知能詐欺【注意】
ｽﾚﾘﾝｸ(rikei板)
23:名前は開発中のものです。
23/08/01 14:29:41.01 UcyQJijg.net
公園で寝てるおっさんが蚊のドリンクバーと化しててわろた
24:名前は開発中のものです。
23/09/20 17:08:03.70 mjNeAN44C
墜落JALだの機長殴って駆け付けた警官まで殴打して現行犯逮捕の酒気帯び運転ANAだの世界最悪の地球破壊殺人テロリストがSDGs
だの語ってて唖然とするよな、欧州では非難の嵐になる名古屋－羽田の距離とかバンバン飛は゛しまくってる世界最悪の地球破壊殺人テロ組織が
燃料にトウモロコシやら由来のものを1％程度混ぜるから実質的にCO2を軽減できるんた゛ぞ(キリッとか、気候変動させて海水温上昇させて
土砂崩れに洪水．暴風、猛暑、大雪、干ばつ、森林火災にと災害連発させて人殺すどころかエネ価格に食料価格にと高騰させて多くの人々を
飢餓で殺害しながら"実質云々キリッ"とか．全力て゛皆殺しにされるべき殺人テロリストだろ、こいつらが食用じゃないから関係ないだの
ほざいてる根拠って、人体に有害な農薬使ってるって意味で、何の言い逃れにもなってないからな、廃油なんかも使い始めてるが、これは
鶏の飼料に競合して鶏卵価格を暴騰させてるし、B747まで日本に飛ばしてくる日本に原爆落とした世界最悪のならず者国家は地球様に
ブチギレくらって爆弾低氣圧やらで壊滅くらっててクソウケルか゛、トーキョーがト‐キョー湾、房総半島が房総諸島になるまで間もなくだろ
［羽田)ttΡs://www.Call4.jp/info.php?typе=items&id〓I０000０62 , URLﾘﾝｸ(haneda-project.jimdofre)ｅ.com/
(成田)ΤtPs：//n-souonhigaisosyoudan.amebaownd.Ｃom/
(テロ組織）ttPs://i.imgur.Com/hnli1ga.jpеg
25:名前は開発中のものです。
23/09/23 23:23:56.37 aLog1Q6o.net
あーもう、なんかうまくいかないこと続きだよね。
26:名前は開発中のものです。
23/10/16 15:53:28.87 bXUSg8ad.net
URLﾘﾝｸ(i.imgur.com)