やったこと

研究

手を動かさねば、という気持ちだけでどうにか手を動かしている。
かなり苦しい気持ち。
というか、シンプルに体調が悪いのが響いている。
つらみ‥‥。

MDPの学習

勉強している。
実装しようと思うと、作らなきゃいけないものが多いなぁ、という印象。

実は確率は学習していなくて、サンプリングを一定数行なってそれっぽいものを出しているだけだったりする、ということが分かった。
そして、その確率分布をobservation tableのセルの値として、L*をやるイメージ。
ただし、確率分布はサンプリングで得たものなので、何らかの統計学的手法を用いて2つの確率分布が互換であることを確認して、その上で同じ行かどうかを特定する。

しかし、サンプリングは学習に合わせて進行するし、あやまった行を独立した状態にしてしまう可能性もある。