我出于个人的好奇心而想要学习，一直在玩神经网络。到目前为止，它取得了成功。我已经从头开始编写了一个代码，用于训练的反向传播，并训练它来玩tic-tac-toe（输出3x3矩阵，在正在播放的空位中具有最高值）。除了旨在允许多个隐藏图层之外，它基于this example。
训练数据是一个随机生成的游戏中期情况，为了监督学习，我手工编写了一个算法，用于对可能的动作进行排序，以作为“正确”的答案。经过几千次的训练后，它可以很好地完成最佳动作并且可以很好地打出整场比赛（有利于在中心打开，而在完美的比赛中你可以选择角球，但无论如何）。
无论如何，这一切都很好，但是对于训练来说，它需要我创建一个特定的算法来为任何给定的游戏排序每个动作，这很容易导致tic-tac-toe非常简单，但这不是不太实际。我的下一个里程碑，就是能够在赢或输游戏的基础上训练它。然而，这需要它记住一系列动作，然后不仅仅通过神经元反向传播训练，而是在游戏结束后进行一系列动作。我只是不知道从哪里开始，即使指向正确的方向也会有所帮助。