我是强化学习和国际象棋项目的新手。我使用神经网络和时间差异学习来训练引擎学习游戏。
神经网络有一个输入层（385 个特征）、两个隐藏层和一个输出层，其范围是 [-1,1]，其中 -1 表示输，1 赢（0 平）。我使用 TD-lambda 自学国际象棋，默认情况是只考虑接下来的 10 步。所有权重都在 [-1, 1] 范围内初始化。
我使用前向传播来估计状态的值，但是大多数值都非常接近1或-1，甚至结果是draw，我认为引擎没有很好地学习。我认为一些值很大并且主导结果，改变小的权重没有帮助。我改变了两个隐藏层的大小，但它不起作用（但是，我尝试了一个小尺寸和维度的玩具示例，它可以收敛并且经过数十次迭代后估计值非常接近目标）。我不知道如何解决这个问题，有人可以给我一些建议吗？
谢谢你。
下面列出了一些参考资料