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

---

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：

您试图生成什么作为输出？Drughts似乎是一个用神经网络玩的挑战性游戏，因为有很多潜在的动作，而且可用的动作会随着回合的变化而变化，但你可能希望输出成为下一个动作

你的意见是什么？这应该包括你认为在你想让神经网络做出决定时有用的任何东西。在Drughts示例中，您可能需要向神经网络提供电路板上所有部件的位置

循环还是前馈？一般来说，除非有非常明显的原因向其提供有关过去所做工作的信息，否则最好使用前馈，因为前馈使您能够使用反向传播来训练网络。例如，对于绘图，您可能希望使用前馈网络

你需要一个隐藏层吗？这是一个很难回答的问题，可能需要一些实验，除非你对输入所占据的高维空间了解很多。Drughts足够复杂，似乎需要一个隐藏层，但很难确定

---

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