Javascript 神经网络在控制中的应用

我正在尝试使用

brain.js

或

synapse.js

（或任何其他js NN库）来完成以下任务：

• 我有一个三轴加速度计
• 我有4个马达

我的输入看起来像：

{
  accelX: 0.12,
  accelY: 0.25,
  accelZ: 0.91,
  powerA: 1,
  powerB: 0.75,
  powerC: 0.44,
  powerD: 0.92
}

我希望输出为电机功率：

{
  powerA: 1,
  powerB: 0.75,
  powerC: 0.44,
  powerD: 0.92
}

使加速度接近0。我想我可以通过随机调整每个电机的功率，然后检查加速度是否接近0来训练它。如果是，请将其包含在培训集中。如果没有，则不包括在培训集中

这样，随着时间的推移，我将有一个培训集，其中包括我的7个输入的各种状态，以及适当的输出应该是什么，以便在accel中实现我期望的0目标。我的问题是：我该如何构建它？我对安还是比较陌生的。我不是在找人为我写代码或为我解决这个问题，但可能是在正确的方向上的一般指针

如果有任何不清楚的地方，请添加评论，我将更新问题以澄清

---

谢谢

首先，我看到您的输入和输出都有电机功率。我假设您的意思是，您正在传递电机的当前功率以及当前加速度值，以确定电机的下一个功率设置。我还假设你有某种“物理函数”，它获取神经网络的输出（电机功率），并根据引起运动的电机适当地改变加速度值。最终目标是在每个加速度值为0时停止

我不建议使用训练集。你需要做的是创建一个评分函数来评估神经网络的有效性。一个非常简单的方法可能是将神经网络运行100个周期，然后将该神经网络的平均加速度作为分数。现在的目标是最小化分数

将神经网络权重设置为随机值。并将优化算法应用于神经网络的权值。优化算法调整参数（权重）以降低评分函数。不需要任何培训数据

---

有许多不同的优化函数。模拟退火算法可能是最容易实现的，但也是我能想到的非常有效的优化算法。其他的可能性包括内尔德·米德、遗传算法或爬山

你是对的，我希望输出是电机的功率。我没有

物理函数本身。这将取决于我的机器人的现实。我的机器人是决定物理的东西。所以我认为你所说的在我的基础上行不通，因为我缺少
物理功能。除非我弄错了或误解了你的意思？基本上，训练是为了改变你的体重值，从而达到你的目标。在您的情况下，将加速度值设置为零。通常，这是通过使用包含每组输入的预期输出的训练集来完成的。对于这种情况，很难生成训练数据。“物理函数”只是一种确定加速度值实际值的方法，如果你有其他方法来计算，这很好。因此，也许我的机器人可以从静止输入状态开始，随机调整电机的功率，如果所需的输出比当前状态更接近零，它可以包含在培训集中。这有意义吗？