Algorithm 训练前馈神经网络

我有一个前馈神经网络，他的目标是学习如何玩游戏（在例子中，连接4）。我想通过和自己玩游戏来训练我的神经网络

我的问题是，我不知道如何训练我的神经网络。如果我有另一个好的算法来确定给定棋盘的最佳移动，在我看来，这会更容易，但我不想用这种方式

所以，我不知道一个移动是否是一个好的移动，我只知道哪个玩家赢了（神经网络同时扮演两个玩家，但我知道是第一个还是第二个玩家赢了），以及游戏中的移动

目前，我在Go中编写了一个程序，初始化一个神经网络，可以检查connect 4的一个板是否成功，根据该板计算神经网络的输出，您可以与神经网络对抗，也可以让它自己对抗。对我来说，我只需要一个函数，在游戏结束时训练我的神经网络？ 这就是我所做的：

要使用神经网络（或实际上任何有监督的学习方法）进行自主游戏，您需要确定算法可以学习的数值或分类值

一个可能的解决方案是将游戏状态映射到动作。另一种方法是将比赛状态映射到得分。但在某些游戏中，这些可能无法学习（Connect 4没有分数），或者数据可能无法随时获取。在这种情况下，不能（或至少不应该）使用监督学习算法

机器学习的另一个框架叫做强化学习，它非常优雅地处理了这个问题。你可以训练一个算法，在整个游戏中选择动作（或动作），而不是提供带有标记数据的神经网络，如果算法（代理）赢了，只提供1；如果代理输了，只提供-1

在这个框架中，最流行的算法（虽然可能不是最好的）是Q-学习。事实上，将Q-学习与深度神经网络结合起来玩极具挑战性的游戏是很常见的。这与谷歌的Deepmind（包括大卫·西尔弗）在围棋比赛中击败李·塞多（Lee Sedol）的设置大致相同

我建议对Richard Sutton的研究来了解更多关于这个主题的知识，但是为了更快的学习体验，Wikipedia的Q-learning文章可能就足够了。

使用神经网络（或实际上任何有监督的学习方法）进行自主游戏，您需要确定算法可以学习的数值或分类值

一个可能的解决方案是将游戏状态映射到动作。另一种方法是将比赛状态映射到得分。但在某些游戏中，这些可能无法学习（Connect 4没有分数），或者数据可能无法随时获取。在这种情况下，不能（或至少不应该）使用监督学习算法

机器学习的另一个框架叫做强化学习，它非常优雅地处理了这个问题。你可以训练一个算法，在整个游戏中选择动作（或动作），而不是提供带有标记数据的神经网络，如果算法（代理）赢了，只提供1；如果代理输了，只提供-1

在这个框架中，最流行的算法（虽然可能不是最好的）是Q-学习。事实上，将Q-学习与深度神经网络结合起来玩极具挑战性的游戏是很常见的。这与谷歌的Deepmind（包括大卫·西尔弗）在围棋比赛中击败李·塞多（Lee Sedol）的设置大致相同

---

我建议对Richard Sutton的文章进行研究，以了解更多关于这一主题的知识，但是为了更快地获得学习体验，维基百科的Q-learning文章可能就足够了。

是的，我不知道论坛的这一部分。所以，我删除了这篇文章，并在Cross Validated？Hi@julien2313中复制/通过它。如果你能提供你所做的一切，那就太好了。不要去统计SE，因为他们会要求你提供steps@julien2313别忘了为你的电脑添加标签program@julien2313对于你们将来的问题@AndyK，我想julien想问的更像是理论，而不是编程，因为没有提到语言或库。朱利安，如果你已经有了一些编码，请编辑你的帖子，并添加一些更具信息性的标记，我不知道论坛的这一部分。所以，我删除了这篇文章，并在Cross Validated？Hi@julien2313中复制/通过它。如果你能提供你所做的一切，那就太好了。不要去统计SE，因为他们会要求你提供steps@julien2313别忘了为你的电脑添加标签program@julien2313对于你们将来的问题@AndyK，我想julien想问的更像是理论，而不是编程，因为没有提到语言或库。朱利安，如果你已经有了一些编码，请编辑你的帖子，并添加一些更具信息性的标记谢谢你的回复！我读了一点关于强化学习的书，我认为这是一个学生想要做的。我已经想用深度神经网络了。所以，现在我知道了学习类型的名称，这将更容易找到方法来训练我的神经网络！非常感谢。谢谢你的回复！我读了一点关于强化学习的书，我认为这是一个学生想要做的。我已经想用深度神经网络了。所以，现在我知道了学习类型的名称，这将更容易找到方法来训练我的神经网络！非常感谢。