Neural network 设计神经网络
我正在学习神经网络和反向传播。我想我了解网络是如何工作的,在输入、输出、隐藏层、权重、偏差等方面。然而,我仍然不完全了解如何设计网络来适应问题。Ie:假设我想要一个神经网络来学习如何进行绘图,我将如何将这个问题转化为神经网络设计?干杯:)使用神经网络(或任何其他类型的模型)对问题建模是一个具有挑战性的问题;这没有什么灵丹妙药。我建议您阅读其他人开发的技术,看看您是否可以将这些技术应用到您的问题中。你可以从这样的参考开始Neural network 设计神经网络,neural-network,Neural Network,我正在学习神经网络和反向传播。我想我了解网络是如何工作的,在输入、输出、隐藏层、权重、偏差等方面。然而,我仍然不完全了解如何设计网络来适应问题。Ie:假设我想要一个神经网络来学习如何进行绘图,我将如何将这个问题转化为神经网络设计?干杯:)使用神经网络(或任何其他类型的模型)对问题建模是一个具有挑战性的问题;这没有什么灵丹妙药。我建议您阅读其他人开发的技术,看看您是否可以将这些技术应用到您的问题中。你可以从这样的参考开始 并通过谷歌学者搜索更多的例子 在设计神经网络时,肯定有很多决策要做,而且没
并通过谷歌学者搜索更多的例子 在设计神经网络时,肯定有很多决策要做,而且没有一个正确的答案。然而,有几个通常有助于思考的一般性问题:
显然,关于神经网络的设置,还有很多决定需要做,但希望这些决定能让你顺利进行。好吧,我认为你的问题是任何其他神经网络设计师的问题。。。您必须始终记住的一件事是NNs是启发式模型。因此,他们从经验中学习,就像我们一样。。您不能将纯知识“插入”到NN中(这在其他机器学习算法中是可能的) 我解决您的问题或我面临的任何一般问题的方法是从以下问题开始: “我该如何教别人这个?”,“我会建议做什么练习,让别人学会它?” 你必须知道/定义游戏规则,你可以使用哪些变量以及你想要实现什么。然后,你必须训练网络(获取数据),目标是赢得比赛,就像它是一个孩子一样。在足够的数据和权重变化后,神经网络应该能够回答合理的游戏,以赢得比赛。。。当你得到更多的数据时,你可能会得到更准确的答案,因此,一个更好的玩家 虽然这看起来很简单,但在训练神经网络或任何其他机器学习算法时,有许多方面需要考虑,例如定义模型类型、适当的损失函数、适当的结构微调、训练/测试数据采样等 这既不是结论性的,也不是线性的,而是我的观点;)
祝你好运 既然您正在为游戏开发AI代理,您应该阅读强化学习(Q networks),它是理想的用于此类任务的工具。什么是“SC”算法?对不起,是软计算算法。软计算包括神经计算、进化计算和模糊逻辑算法