训练神经网络

Question

我正在尝试训练一个神经网络来玩蛇追逐目标的游戏。这是我第一次尝试训练神经网络。我在Java中使用Encog框架进行反向传播。要创建训练集，我会记录用户在玩游戏时所做的动作。

神经网络由102个输入神经元，200个隐藏神经元和4个输出神经元组成。前2个输入是目标的x，y坐标，第3个和第4个输入是蛇头的x，y坐标，第5个，第6个输入是蛇的头部之后的x，y坐标如果蛇向左转，则第一个输出取数字1，否则转为零。第二个输出为右，第三个为up，4rth为down。输入在0和1之间归一化。

我曾尝试用30.000训练集训练网络，但是当我测试它时，蛇无法找到目标。它只是随机移动。

有多少训练集足以让网络得到正确的训练？ 训练集会有一些错误的数据，例如当我玩游戏时，我有时会错过目标，并试图通过其他途径再次到达目标。

我在训练网络时必须使用什么最小错误？ 现在我用0.02。问题在于，当我训练网络时，它仅在35次迭代中从0.75错误变为0.05错误，但它需要超过1000次迭代才能从0.05变为0.02。

Answer 1

  

如果蛇向左转，则第一个输出取数字1，否则转为零。第二个输出为右，第三个为向上，4个为向下

如果我假设从左视图中左转右上方是类似导航的视图。我认为问题是因为你的训练数据集输入了蛇的位置，而不是方向。

示例：

• 如果你只有一个尺寸头在（0,0）并且方向上升（y正），并且目标在（3,3），你的机器可能会告诉它向右转。将蛇移动到（0,1）。
• 然后在你的位置（0,1）后，你的训练组将告诉它再次向右转（因为蛇的位置是目标左侧的一个），但实际上它会将蛇移动到（-1,1）