我有一个前馈神经网络，他的目标是学习如何玩游戏（例如，连接4）。我想通过与自己玩游戏来训练我的神经网络。
我的问题是，我不知道如何训练我的神经网络。如果我有另一个好的算法确定给定电路板的最佳移动，那么在我看来，它会更容易，但我不想这样使用。
所以，我不知道移动是否是一个好动作，我只知道哪个玩家获胜（神经网络玩两个玩家，但我知道它是第一个还是第二个获胜者），以及比赛中的动作。
目前，我在Go中编写了一个初始化神经网络的程序，可以检查连接4的板是否胜出，根据电路板计算神经网络的输出，你可以对抗神经网络网络，或者让它与自己对抗。对我来说，我只需要一个在游戏结束时训练我的神经网络的功能？ 我做了什么：https://github.com/Julien2313/connectFour
答案 0 :(得分：3)
要使用神经网络（或实际上任何监督学习方法）进行自主游戏，您需要确定算法可以学习的数值或分类值。
一个可能的解决方案是将游戏状态映射到操作。另一种方法是将游戏状态映射到得分。但在某些游戏中，这些可能无法学习（Connect 4没有得分），或者数据可能无法获得。在这种情况下，有监督的学习算法不能（或者至少不应该）使用。
另一个机器学习框架称为强化学习，可以非常优雅地处理这个问题。您可以训练算法在整个游戏中选择移动（或动作），而不是在算法（代理人）获胜时提供1，如果代理人丢失则提供-1，而不是为神经网络提供标记数据。
此框架中最流行的算法（尽管可能不是最好的）是Q-Learning。实际上，将Q-Learning与深度神经网络结合起来以发挥难以置信的挑战性游戏是很常见的。这与Google的Deepmind大致相同，包括David Silver曾经在Go上击败Lee Sedol。
我建议对Richard Sutton的Reinforcement Learning: An Introduction进行一项研究，以便更多地了解这个主题，但是为了更快的学习体验，维基百科的Q学习文章可能就足够了。