Le titre était peut-être un peu flou. Malheureusement, je ne pouvais pas en trouver un meilleur.Comment représenter 4 états en entrée d'un réseau neuronal artificiel?
Donc le problème est le suivant. Il y a un tableau d'une taille fixe où chaque position peut avoir 4 états: vide, bloqué, positif (une valeur limitée entre 0 et 1) et négatif (une valeur limitée entre 0 et 1 (bien que cela puisse être 0 à -1)). Par limité, je veux dire que la valeur ne peut prendre la forme de 0,1, 0,2, ... 1,0 et chaque valeur ne se produit qu'une seule fois. Selon la façon dont le tableau est rempli, je voudrais prédire à quoi ressemblera la prochaine version du tableau. J'ai essayé de représenter chaque position dans le tableau comme un noeud d'entrée, mais je ne pouvais pas comprendre comment faire cela (Comment représenter tous les quatre états comme un seul nombre). Ce qui devrait également être noté est que le montant maximum de chaque état est connu. Donc, plutôt que d'avoir chaque nœud représentant un index dans le tableau, je pourrais avoir chaque nœud représentant un état (bloqué, -1.0, -0.9, ..., 0.9, 1.0) et ensuite dire à quel index cet état se produit comme une entrée valeur pour ce noeud.
De quelle façon est plus pratique ou efficace pour un réseau de neurones? À propos, c'est un réseau de neurones avec une couche d'entrée, une couche cachée et une couche de sortie.
Pour vous donner des conseils, nous devons en savoir plus sur la signification des états. Juste pour être concret est 0.1 plus semblable à 0.2 puis à 0.7? qu'est-ce qui est bloqué et vide? Comment évolue le tableau? De plus, si vous essayez de prédire l'état suivant du tableau, il existe des moyens plus efficaces de le faire, puis un perceptron. Expliquer votre problème et non seulement la représentation des données brutes et quelqu'un sera en mesure d'aider. –
0.1 et 0.2 sont plus liés les uns aux autres qu'à 0.7. Ils sont un score. Bloqué signifie que rien ne peut être placé dans cette position de tableau. Je ne sais pas vraiment comment le tableau évolue. Cela m'est inconnu. C'est pourquoi je voulais utiliser un réseau de neurones. (Si vous trouvez cela, tout semble un peu bizarre.C'est un exercice pour trouver un motif. Je voulais essayer de résoudre cela avec un réseau de neurones.) – Yadeses