用于棋类游戏逼近函数的神经网络

Question

我正在尝试制作一个神经网络来近似一些未知的函数(在我的神经网络课程中)。问题是这个函数有很多变量，但其中许多变量并不重要(例如，在f(x，y，z) = x+y z中，z并不重要)。我如何设计(和学习)网络来解决这类问题？

更具体地说，这个函数是一个评估函数，用于一些规则未知的棋盘游戏，我需要通过代理的经验以某种方式学习这个规则。在每次移动之后，分数都会给智能体，所以实际上它需要找到如何获得最大分数。

我试图将智能体的邻域传递给网络，但有太多变量对得分并不重要，智能体正在寻找非常局部的解。

Answer 1

如果你有足够的数据量，你的ANN应该能够忽略噪声输入。您可能还想尝试其他学习方法，如缩放共轭梯度或简单的启发式方法，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，并且您认为您可以获得足够的训练数据，那么您可以尝试“混合专家”方法。如果你使用混合的专家，你应该使用太“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，您将获得一组状态和操作，您的目标值是将操作应用于状态后的得分？如果这个问题变得更复杂，听起来就像是强化学习问题。

这个游戏有离散的动作吗？它有离散的状态空间吗？如果是这样的话，也许决策树值得一试？