概念ResNet / 残差网络

残差CNN

通过跳跃连接缓解深层网络梯度消失问题的卷积神经网络，用作actor-critic网络提取棋盘空间特征。

时间轴 (近 90 天)

11月5日

FuseAMC的两个子模型分别是约198k参数的残差CNN和梯度提升树（GBT）累积量分类器。

待验证50%

10月29日

训练配置使用 PPO + GAE 算法，32 个并行环境，rollout 长度 256，gamma 0.998，lambda 0.97，小型残差 CNN 作为 actor-critic。

待验证50%

10月27日

轨迹弯曲度效应在匹配性能和控制训练时长的条件下依然存在，并且从合成的向量输入泛化到了残差CNN在渲染图像和自然图像上的训练。

待验证50%

FuseAMC的两个子模型分别是约198k参数的残差CNN和梯度提升树（GBT）累积量分类器。

训练配置使用 PPO + GAE 算法，32 个并行环境，rollout 长度 256，gamma 0.998，lambda 0.97，小型残差 CNN 作为 actor-critic。

轨迹弯曲度效应在匹配性能和控制训练时长的条件下依然存在，并且从合成的向量输入泛化到了残差CNN在渲染图像和自然图像上的训练。