我正在学习神经网络和反向传播 . 我想我理解网络如何工作，在输入，输出，隐藏层，权重，偏见等方面 . 但是，我仍然不完全了解如何设计网络以适应问题 . 即：说我想要一个神经网络来学习如何玩草稿，我该如何将问题转化为神经网络设计？干杯:)
在设计神经网络时肯定会做出很多决定，而且没有一个正确的答案 . 但是，有一些常见问题通常有助于思考：
您想要生成什么作为输出？草稿似乎是一个与神经网络一起玩的具有挑战性的游戏，因为有很多潜在的动作，而且可用的动作从转弯转向，但可能你会希望输出成为下一步 .
您有什么要求？这应包括您认为在做出您希望神经网络做出的决定时有用的任何内容 . 在草稿示例中，您可能需要为神经网络提供板上所有部件的位置 .
经常性或前馈？一般情况下，除非有一个非常明显的理由给它提供过去所做的信息，最好使用前馈，因为它可以让你用反向传播来训练网络 . 例如，对于草稿，您可能希望使用前馈网络 .
你需要隐藏层吗？这是一个更难以了解答案的问题，并且可能需要一些实验，除非您对输入所占据的高维空间有很多了解 . 草稿很复杂，似乎需要一个隐藏层，但很难确定 .
显然，关于神经网络设置可以/必须做出更多的决定，但希望这些能让你顺利进行 .
好吧，我认为你的问题是任何其他NN设计师的问题......你必须记住一件事，NN是启发式模型 . 因此，他们通过经验学习，与我们类似 . 你不能将纯知识“插入”NN（这在其他SC算法中是可能的）我对你的问题的解决方法，或者我面临的任何一般问题，都是从一个问题开始：“我怎么会教给别人这个？”
您必须了解游戏规则，以及您可以使用哪些变量以及您想要的变量 . 然而，你必须以赢得游戏为目标训练网络（获取数据），就好像它是一个孩子一样 . 在足够的数据和重量变化后，NN应该能够回答合理的比赛以赢得比赛...随着您获得更多数据，您可能拥有更准确的答案，因此，更好的球员！
这不是决定性的，也不是线性的，而是我的观点;）祝你好运！
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;这没有灵丹妙药 . 我建议阅读其他人开发的技术，看看你是否可以将它们应用到你的问题中 . 你可以从像这样的引用开始
https://en.wikipedia.org/wiki/Types_of_artificial_neural_networks
并通过谷歌学者搜索更多示例 .
3 回答
在设计神经网络时肯定会做出很多决定，而且没有一个正确的答案 . 但是，有一些常见问题通常有助于思考：
您想要生成什么作为输出？草稿似乎是一个与神经网络一起玩的具有挑战性的游戏，因为有很多潜在的动作，而且可用的动作从转弯转向，但可能你会希望输出成为下一步 .
您有什么要求？这应包括您认为在做出您希望神经网络做出的决定时有用的任何内容 . 在草稿示例中，您可能需要为神经网络提供板上所有部件的位置 .
经常性或前馈？一般情况下，除非有一个非常明显的理由给它提供过去所做的信息，最好使用前馈，因为它可以让你用反向传播来训练网络 . 例如，对于草稿，您可能希望使用前馈网络 .
你需要隐藏层吗？这是一个更难以了解答案的问题，并且可能需要一些实验，除非您对输入所占据的高维空间有很多了解 . 草稿很复杂，似乎需要一个隐藏层，但很难确定 .
显然，关于神经网络设置可以/必须做出更多的决定，但希望这些能让你顺利进行 .
好吧，我认为你的问题是任何其他NN设计师的问题......你必须记住一件事，NN是启发式模型 . 因此，他们通过经验学习，与我们类似 . 你不能将纯知识“插入”NN（这在其他SC算法中是可能的）我对你的问题的解决方法，或者我面临的任何一般问题，都是从一个问题开始：“我怎么会教给别人这个？”
您必须了解游戏规则，以及您可以使用哪些变量以及您想要的变量 . 然而，你必须以赢得游戏为目标训练网络（获取数据），就好像它是一个孩子一样 . 在足够的数据和重量变化后，NN应该能够回答合理的比赛以赢得比赛...随着您获得更多数据，您可能拥有更准确的答案，因此，更好的球员！
这不是决定性的，也不是线性的，而是我的观点;）祝你好运！
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;这没有灵丹妙药 . 我建议阅读其他人开发的技术，看看你是否可以将它们应用到你的问题中 . 你可以从像这样的引用开始
https://en.wikipedia.org/wiki/Types_of_artificial_neural_networks
并通过谷歌学者搜索更多示例 .