神经网络（BP FF）可以自学（自主）如何控制螺旋桨以避免因试验而跌落和稳定吗？
神经网络类型：多层，反向传播前馈，S形激活。
为简单起见，只采用垂直螺旋桨控制和垂直速度。
nnput：垂直速度。
输出：螺旋桨功率（仅向下瞄准，因此仅向上推动）
由于反向传播NN从输出和所需输出的差异中获得误差，如何在不知道所需输出的情况下自我教导（实际上，它需要学习所需的输出）。
如果我将错误视为垂直速度（停止=无错误），那么它会更合适但是如何更改Encog的ResilientPropagation或BackPropagation类的错误功能？
我是否需要自己编写整个网络课程来实现这种类型的学习？因为没有初始训练数据。只有来自发动机功率和速度的新创建的数据。（如果我可以生成训练数据，那么我就知道如何控制引擎，因此不需要NN）
这项工作最合适的神经网络类型是什么？
答案 0 :(得分：2)
如@larsmans的评论中所述，这可以通过Reinforcement Learning范例来解决。在神经网络的背景下，目前最流行的（也是唯一的？）方法是使用两个神经网络：
演员网络：了解代理在给定的状态下应该采取什么行动（在这种情况下是螺旋桨力）（在这种情况下垂直速度） ）
评论家网络：学习价值观，未来强化代理商可以“希望”从这个州实现
这种方法称为Actor-Critic方法。您还需要做的就是设计增强功能。在你的情况下，它似乎很简单，因为它可能等于垂直速度，并且偏离某些预定高度会有额外的惩罚（否则网络将学习等待一段时间直到螺旋桨下降并停止自身）。
主要问题是调整所有这些参数以使其正常工作，但问题看起来非常简单，因此可能不是很难。