Neural network 数独求解器的神经网络

我最近开始学习神经网络，我认为创建一个数独解算器将是神经网络的一个很好的应用。我开始用反向传播神经网络学习它们，但后来我发现有几十个神经网络。在这一点上，我发现很难学习所有这些，然后选择一个适合我的目的。因此，我想问创建此解算器的最佳选择是什么。反向传播能在这里工作吗？如果没有，你能解释一下为什么，并告诉我哪一个可以工作。

---

谢谢

就像评论中提到的那样，你可能想看看。你基本上把数独游戏输入为一个二维的“图像”。我认为使用3x3的感受野会很有趣，而且我真的认为你不需要一个以上的过滤器

更困难的事情是规范化：数字1-9在数独中没有潜在的关系，例如，你可以很容易地用A-I替换它们。所以它们是类别，而不是数字。然而，每个输出一个热编码将意味着大量的输入，所以我坚持使用数字标准化（1=0.1，2=0.2，等等）

网络的输出应该是某种类型的softmax：如果不使用softmax，而只输出x和y坐标，则无法确保输出的方块尚未填充

---

一个数值应该与输出一起传递，以显示网络想要填写的数字。

正如其他人已经指出的那样，神经网络似乎不是解决数独问题的最佳方法。我认为更好（但也不是真正好/有效）的方法是使用遗传算法。遗传算法与NNs没有直接关系，但了解它们是如何工作的非常有用

更好的（我的意思是说更好更可能成功，也可能更好地让你学到新东西）想法包括：

如果您使用库：

• 利用网络，尝试将它们训练成不同的数据集，可能是随机数，看看你得到了什么，以及你如何调整参数以获得更好的结果

• 尝试编写一个图像生成器。我写了一些，它们仍然是我最喜欢的项目，其中一个我用backprop教NN图像的x/y坐标是什么颜色，另一个是将随机生成的图像与另一个图像（GAN/NEAT）结合起来

• 尝试使用创建电影（系列图像）的网络学习创建图片。它将很好地向您展示backprop如何工作，参数调整对结果有何影响，以及它如何改变网络获得结果的方式

如果未使用库，请执行以下操作：

• 试着一个接一个地解决容易的问题。使用backprop或遗传算法进行训练（无论您实现了什么）

• 尝试改进您的实现，改变一些其他人不关心的事情，看看它如何改变结果

网络的“任务”列表：

XOR（基本上是NN的hello世界）

极点平衡问题

像乒乓球这样的简单游戏

更复杂的游戏，如flappy bird、agar.io等

选择更多你感兴趣的问题，也许你喜欢图像识别，也许文字，音频，谁知道呢。想一想你能/想做的事情，并找到一种方法让你的电脑为你做这件事

只使用自己的NN实现是不可取的，因为它在最初几次可能无法正常工作，您会感到沮丧。尝试使用Library和您自己的实现

找到几乎无穷无尽资源的好方法：

---

使用google搜索并在末尾添加“filetype:pdf”，以便仅显示pdf文件。搜索神经网络、遗传算法、进化神经网络。

如PLEXATIC所述，神经网络并不真正适合此类任务。遗传算法听起来确实不错

然而，如果你仍然想坚持使用神经网络，你可以看看。正如Thomas W所回答的，3x3看起来不错

---

如果你不想和CNN打交道，你也可以在这里找到一些答案

无论是神经网络还是GAs都接近于数独的理想解。我建议研究约束编程（例如Choco或Gecode解算器）。例如，见。应该能在几毫秒内解决任何9x9数独问题（顺便说一句，《世界报》的每日数独都是使用这种技术创建的）

---

Knuth针对这个问题还提出了一个著名的“舞蹈链接”算法，该算法效果非常好

神经网络可能不适合数独解算器，因为NNs最擅长模式发现。将数独作为一个约束满足问题将更好地工作。这里有一些用于数独求解器的神经网络项目的例子。也许这不是解决问题的最佳方法，但我认为至少在练习中值得这样做。我不确定你在最后一句话中说了什么。再说一次，我是初学者。对不起，我不明白。酷，我不知道它们会起作用。你可能需要某种卷积神经网络。反向传播只是一种训练神经网络的方法，它的应用非常广泛。反向传播是一种梯度计算算法，而不是一种学习算法。我不会浪费时间去学习NNs的数独游戏，但我会做一些我期望更成功的事情。@sascha有什么想法值得学习吗？谢谢你的回答。我在想我是否应该从一个简单的项目开始。如果你有任何关于哪个项目可能是一个好的学习想法，让我知道。