「これからの強化学習 2016（編 牧野貴樹）」のp6〜 多腕バンディット問題（腕はAとB）を解く例 初期の一定試行だけランダムに探索し、その結果から各腕の報酬期待値を計算し、それ以降は最適と推定した選択だけを続ける（greedy）。 腕Aの真の報酬確率は0.6…

truffleでtest用RPCを使う testrpcのソースコード（github） 使い方の参考サイト testRPCを使うメリット デプロイが一瞬（これでかい） 起動方法 # globalでインストールしてあるなら、どこでも実行できる $ testrpc # 起動すると、この仮想etherネット内で…