Neural network 用神经网络计算用户输入的含义

我正试图让一个神经网络根据用户的情况找出输入的含义（在这种情况下是键盘键）

我有多个可能的输出“命令”，NN可以解释输入的含义，在每个状态下，某些输出可以算作有益的，而其他输出则是有害的

当NN第一次启动时，没有任何输入应该对它有任何特殊意义，但随着时间的推移，我希望NN能够理解用户最可能的意思

我试过一个多层感知器NN，它有和物理输入一样多的输入节点和和和命令一样多的输出节点，还有一个节点数等于其他两层之和的单个隐藏层，在这种情况下，它是一个5,15,10

NN假设用户只会做出符合NN最佳利益的移动

到目前为止，NN似乎只是在弄清楚它可以采取什么样的命令来最有可能导致有利的移动，而不管输入键是什么，而不是试图弄清楚什么键应该导致用户的移动

正因为如此，我想知道（很可能是错的）我是否应该为每个输入生成一个单独的NN，以尝试根据用户计算出当前输出

是否有一种不同类型的NN我应该研究，将更好地工作，并有一个建议的配置这个问题？ 我很乐意为你推荐一些有助于解决这个问题的阅读材料

---

我充其量只是一个NN的业余爱好者，我想学习更多关于整个领域的知识，但我现在正努力解决这个问题。

根据我的说法，你希望输出符合玩家的行为，因为输入的数量比实际情况更多。因此，根据我的说法，为了找到模式，玩家所采取的行动应该有某种类型的记忆。这可以通过使用长-短期记忆来实现？还是键作为符号的表示？猜单词？好吧，把它放在上下文中：这是一种游戏环境，NN负责迷宫中的鼠标，玩家按下按钮进行输入，NN应该将其解释为允许鼠标在充满危险的迷宫中导航的命令。命令的示例有“向北或向东”和“跳跃”。继续，倒转。这个想法有点抽象，有点实验性。但它是让用户用鼠标创建一个输入界面，在所有输入都没有具体意义时帮助它导航。拥有比输入更多的可能命令也是有意的。