标题可能有点不清楚。可悲的是，我无法想出一个更好的。
所以问题如下。有一个固定大小的数组，其中每个位置可以有4种状态：空，阻塞，正（0和1之间的限制值）和负数（0和1之间的限制值（尽管这可能是0到-1） ）。有限，我的意思是该值只能采用0.1,0.2，...... 1.0的形式，每个值也只出现一次。根据数组的填充方式，我想预测下一个版本的数组是什么样的。我试图将数组中的每个位置表示为一个输入节点，但我无法弄清楚如何执行此操作（如何将所有四个状态表示为一个数字）。还应注意的是，每种状态的最大量是已知的。因此，我可以让每个节点代表一个状态（阻塞，-1.0，-0.9，...，0.9,1.0），然后说明该状态作为输入发生的索引，而不是让每个节点代表一个索引。该节点的值。
哪种方式对神经网络更实用或更有效？
顺便说一句，它是一个神经网络，有一个输入层，一个隐藏层和一个输出层。
答案 0 :(得分：1)
我建议你首先为阵列中的每个细胞使用3个神经元：
告诉网络该单元格是否为空的一个。您可以将值0用于空，将1用于非空（仅作为示例，其他值也应该起作用，只需确保一致）。
一个完全相同的东西，但它会告诉网络该单元是否被阻止。 （再次作为0和1输入）
最后神经元接收正/负值。你可以尝试各种各样的东西。您应该首先尝试，如果它只是设置值，如果有一个，如果没有值，您将输入设置为0.这可能会使网络有点困难，因为它无法看到0 = 0和0 = 0之间的差异。如果它不起作用，您可以尝试将所有输入值映射到0和1之间（在您的情况下，只需添加1然后除以2，然后将值传递给网络）如果单元格被阻塞/空，则输入-1。
如果你不能让这个工作首先使用参数玩一会儿，改变隐藏层和神经元的数量，改变学习率和训练的动力。
如果输入对你的任务不是很好，我建议你做你之前提到的：每个细胞的每个可能状态的一个神经元。这种方法需要更长的时间进行训练，但它确实可以工作（如果没有，你的任务对于网络来说太复杂了，或者你需要更多的训练时间）。