我试着训练一个基于神经网络的模型来玩类似于Pac-Man的游戏,除非没有迷宫。也就是说,玩家是在一个二维的网格中,在一些地方有点的食物,玩家需要弄清楚带着食物步行到细胞。
我希望玩家只看到他周围的11x11细胞,也就是一个11x11细胞阵列,我们的玩家在中间,每个细胞中要么有食物,要么没有食物。
我试着把这个数组作为我的神经网络的输入,但是它学习不好。这是有意义的,因为这闻起来像是一个问题,你可以用卷积层来解决,因为这个数组有点像图像。
但与图像不同的是,我们根本不关心轮廓。与图像不同的是,最中间单元格的左边和右边的两个单元格具有非常不同的含义:播放器左侧和右侧的位置。前者中的食物应鼓励向左移动,后者上的食物应鼓励向右移动。对于输入中任何类似间距的单元格,则不是这样。因此,我不认为CNN会是一个很好的选择。
你能想出一种很好的方法来表示神经网络的输入吗?
发布于 2021-10-20 14:28:32
细胞网格可以作为矩阵输入到神经网络中。矩阵是卷积神经网络(CNN)的一种常见输入形式。
通常情况下,选择输入的简单表示并选择其他深度学习问题中常见的表示是有用的。
以便于深入学习的方式表示输入只是整个工作流中的一个问题。由于您正在训练一个类似游戏的代理,表示相对于输入空间的潜在的未来动作也是很有挑战性的。
https://datascience.stackexchange.com/questions/81971
复制相似问题