标签： machine-learning neural-network reinforcement-learning
我写的神经网络可以发挥井字游戏。网络有9个输入神经元，它描述了板的状态（1 - 用于网络移动，1.5 - 用于对手移动，0 - 用于空单元）和9个输出神经元（具有最高值的输出神经元表示给定的最佳动作）州）。网络没有隐藏层。激活功能 - sigmoid。学习方法 - Q学习+反向传播。
网络经过培训，但效果不佳（继续踩踏被占用的小区）。所以我决定添加一个隐藏层。我想问一下：
隐藏层中使用哪些神经元以及哪些激活函数更适合隐藏和输出层？
答案 0 :(得分：1)
一般来说，隐藏层的神经元数量会被讨论here但是根据经验，隐藏层中神经元的数量应该与输入神经元的数量大致相同。
您还可以考虑添加讨论here
sigmoid激活功能很好，无论如何你可以检查它并与其他激活功能进行比较。
在您的特定情况下，您还可以考虑强制代理不要考虑（根本）通过使用输出神经元的不同架构来选择占用的单元格。