我正在尝试制作一个神经网络来逼近一些未知函数（对于我的神经网络课程）。问题是这个函数有很多变量，但其中许多并不重要（例如在 [f(x,y,z) = x+y] z 中并不重要）。我如何为这类问题设计（和学习）网络？
更具体地说，该功能是一些具有未知规则的棋盘游戏的评估功能，我需要通过代理的经验以某种方式学习这些规则。每次移动后，都会将分数提供给代理，因此实际上它需要找到如何获得最高分数。
我试图将代理的邻域传递给网络，但有太多变量对分数并不重要，代理正在寻找非常本地的解决方案。
问问题
177 次
1 回答
1
如果您有足够的数据量，您的 ANN 应该能够忽略噪声输入。您可能还想尝试其他学习方法，例如缩放共轭梯度或简单的启发式方法，例如动量或提前停止，这样您的 ANN 就不会过度学习训练数据。
如果您认为可能有多个本地解决方案，并且您认为可以获得足够的训练数据，那么您可以尝试“混合专家”方法。如果您与专家混合使用，您应该使用太“小”的人工神经网络来解决整个问题，以迫使它使用多个专家。
那么，你得到了一组状态和动作，而你的目标值是动作应用于状态后的分数？如果这个问题变得更棘手，它听起来就像一个强化学习问题。
这个游戏有离散动作吗？它有离散的状态空间吗？如果是这样，也许决策树值得尝试？
于 2012-11-30T05:02:42.483 回答