我有一个有向加权图数据结构,其中节点 A 和节点 B 之间的权重表示从节点 A 到节点 B 的转换的次数。
数据结构的目的是识别节点之间的移动模式。
为此,每次转换的权重都会线性增加(请告诉我是否有更好的方法来增加它)
但是,如果用户偏离了他通常的行进路径,则必须分配对最可能路径的惩罚和对新采取的路径的强化,以便根据模式的变化快速调整权重。从而使系统更快速地进行自学习。
分配这种惩罚/强化的最佳方式是什么?我可以随机选择将重量减半/加倍,但这背后没有任何理由,听起来更像是一时兴起。
我有一个有向加权图数据结构,其中节点 A 和节点 B 之间的权重表示从节点 A 到节点 B 的转换的次数。
数据结构的目的是识别节点之间的移动模式。
为此,每次转换的权重都会线性增加(请告诉我是否有更好的方法来增加它)
但是,如果用户偏离了他通常的行进路径,则必须分配对最可能路径的惩罚和对新采取的路径的强化,以便根据模式的变化快速调整权重。从而使系统更快速地进行自学习。
分配这种惩罚/强化的最佳方式是什么?我可以随机选择将重量减半/加倍,但这背后没有任何理由,听起来更像是一时兴起。