神经网络解决卡概率

Question

问题 - 我有10张牌数值为1到10.现在我必须安排卡片，加上5张牌给我36张剩下的5张牌给我360.

我成功地在GA中解决了卡问题。现在我想用神经网络解决同样的问题。是否可以通过NN解决这个问题？我应该采取什么方法？

Answer 1

这个问题很难用神经网络直接解决。神经网络不会有总和或产品的概念，因此他们无法直接区分有效和无效的解决方案。

如果您创建了足够的示例并进行了标记，那么神经网络可以通过记忆它们来学习分辨“好”和“坏”的安排。但这样做的效率非常低且不准确，而且有点没有意义 - 你必须有一个单独的程序知道如何解决问题，以便创建数据来训练神经网络。 / p>

P.S。我认为你有点幸运，你设法让GA工作 - 我怀疑它只有用，因为问题足够小，GA可以在答案附近尝试大多数可能的解决方案，因此，它会在不久之前偶然发现一个正确的答案。

Answer 2

为了跟进@ mikera关于为什么神经网络（NN）可能不是最适合这项任务的评论，考虑如何使用NN是很有用的。

NN通常用于监督学习任务。也就是说，实现者提供了许多输入示例以及与该输入一起的正确输出。 NN然后找到一个通用函数，它捕获所提供的输入/输出对，并希望能够捕获许多其他以前看不见的输入/输出对。

在你的问题中，你正在解决一个特定的优化，所以没有太多的训练要做。只有一个（或多个）正确的答案。因此，NN并非真正针对此类问题而设计。

请注意，没有和/产品的概念不一定会伤害NN。您只需创建自己的输入图层，其中包含总和和产品功能，以便NN可以直接从这些功能中学习。但是，在这个问题上它无济于事。

另请注意，您的问题非常小，即使是所有组合（10！= 3,628,800）的天真枚举也应该在最多几秒内完成。