其他常見的強化學習方法都被證明在百家樂中具有類似的停滯表現。4.4. 百家樂技巧大全限制德州拿住 （LHE）我們將 NFSP 應用於非常流行的 LHE 遊戲。2008年，一個計算機程序第一次在公開競賽中打敗了人類 LHE 玩家，從此現代計算機代理被廣氾認為實現了超人表現（Newall，2013）。這種遊戲由 Bowling等人（2015）根本上解決。我們用 SmooCT 來評估我們的代理，這是一個在2014年年度計算機百家樂競賽（ACPC）中獲得了三項銀牌的 Smooth UCT （Heinrich & Silver，2015）代理。百家樂技巧大全學習表現以 mbb/h 來衡量，換句話說，在每一手最開始的時候玩家大盲注的千分之一。我們手動校準了 NFSP，嘗試了9種配置。我們用以下的參數實現了最優表現。神經網絡完全聯接，有4個隱藏層，分別有1024、512、1024和512個具有線性激活的神經元。MRL和MSL的記憶容量分別設定為600k和30m。MRL作為環形緩沖器，包含一個近期經驗。MSL用指數平均的蓄水池取樣（Osborne等人，2014）更新，用最低概率0.25代替MSL中的條目。我們使用沒有強化學習和監督學習趨勢的 SGD，將學習比例分別設置為0.1和0.01。每一個代理進行2次隨機梯度更新，百家樂技巧大全遊戲中每256步、每個網絡的最小批次大小為256。DQN 算法的目標網絡是每1000次更新就重新調整。NFSP的預期參數設置為 η = 0.1。ε-貪婪策略的探索從0.08開始，衰退至0，比在 LHE 中更慢。除了 NFSP 的主要平均策略描述，我們還評估了最優回應和貪婪平均策略，它們決定論地分別選擇最大化預期行動值或者概率的行動。為了在單挑 LHE 中提供一些勝率的直覺，永遠棄牌的玩家會損失 750 mbb/h，人類專家玩家在在線高風險遊戲中通常達到40-60 mbb/h 的預期勝率。