Introduction de connaissances expertes en Bandit-Based Monte-Carlo Planning avec application au Computer-Go

Louis Chatriot 1 Sylvain Gelly 1, 2 Jean-Baptiste Hoock 1 Julien Pérez 1 Arpad Rimmel 1 Olivier Teytaud 1, 2
1 TAO - Machine Learning and Optimisation
CNRS - Centre National de la Recherche Scientifique : UMR8623, Inria Saclay - Ile de France, UP11 - Université Paris-Sud - Paris 11, LRI - Laboratoire de Recherche en Informatique
Résumé : Nous ajoutons différentes astuces d'expertise Go dans un programmation de planification Monte-Carlo à partir de bandits, via des simulations virtuelles ajoutées aux statistiques de bandits.
Document type :
Conference papers
Complete list of metadatas

Cited literature [11 references]  Display  Hide  Download

https://hal.inria.fr/inria-00287883
Contributor : Olivier Teytaud <>
Submitted on : Friday, June 13, 2008 - 11:31:49 AM
Last modification on : Tuesday, April 10, 2018 - 3:26:01 PM
Long-term archiving on : Friday, September 28, 2012 - 3:53:06 PM

File

eg_french.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : inria-00287883, version 1

Collections

Citation

Louis Chatriot, Sylvain Gelly, Jean-Baptiste Hoock, Julien Pérez, Arpad Rimmel, et al.. Introduction de connaissances expertes en Bandit-Based Monte-Carlo Planning avec application au Computer-Go. JFPDA, Jun 2008, Metz, France. ⟨inria-00287883⟩

Share

Metrics

Record views

521

Files downloads

322