标签： neural-network backpropagation reinforcement-learning
如果有其他商品，请指点我。我毫不怀疑这是一个常见的问题，但我找不到答案。
让我们说我有一个神经网络，有多个输出，没有绝对已知的答案（例如在赛道上转弯时要按哪些按钮）。我也有一个单一的决定和一个结果来进行我的调整。 我应该使用什么数学来正确计算每个输出节点的错误？是否只是[实际 - 预测]并传播回来，对于每个输出节点都是如此？
此外，如果没有使用所有输出，我应该更新所有输出还是仅更新有效输出？在汽车的例子中，说我向左按下并加速，这是一个糟糕的答案，我还会更新正确，休息，上下作为积极因素吗？