Policy Network

使用監督式學習策略神經網路（英語：Supervised Learning policy network），這個版本還沒有使用强化学习策略策略神經網路（英語：Reinforcement Learning policy network）以及價值神經網路（英語：Value Network）。 2016年八月後的版本，在這個版本因為A

Stickers） Yale Center for Environmental Law & Policy, and Center for International Earth Science Information Network at Columbia University. Environmental Performance

專業術語上來說，AlphaGo的做法是使用了蒙特卡洛树搜索與兩個深度神經網路相結合的方法，一個是以借助估值网络（value network）來評估大量的選點，一个是借助走棋网络（policy network）來選擇落子，并使用强化学习进一步改善它。在這種設計下，電腦可以結合樹狀圖的長遠推斷，又可像人類的大腦一樣自發學習進行直覺訓練，以提高下棋實力。

insurance policy for native plants. Stuff. 22 March 2018 [8 October 2018]. （原始内容存档于2023-12-07）.  Publications | New Zealand Plant Conservation Network. www

使用人類棋譜與累積的圍棋知識，僅實做圍棋規則，使用單一類神經網路從自我對弈中學習（不像AlphaGo以人類角度思考，設計了Policy Network與Value Network）。 團隊除了以BSD许可证釋出可供對弈的程式碼以外，另外釋出了20 blocks的訓練資料供下載，但由於未放出訓練程式碼