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
LRI - Laboratoire de Recherche en Informatique, UP11 - Université Paris-Sud - Paris 11, Inria Saclay - Ile de France, CNRS - Centre National de la Recherche Scientifique : UMR8623
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.
Type de document :
Communication dans un congrès
JFPDA, Jun 2008, Metz, France. 2008
Liste complète des métadonnées

Littérature citée [11 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00287883
Contributeur : Olivier Teytaud <>
Soumis le : vendredi 13 juin 2008 - 11:31:49
Dernière modification le : mardi 10 avril 2018 - 15:26:01
Document(s) archivé(s) le : vendredi 28 septembre 2012 - 15:53:06

Fichier

eg_french.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • 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. 2008. 〈inria-00287883〉

Partager

Métriques

Consultations de la notice

414

Téléchargements de fichiers

287