Comment représenter 4 états en entrée d'un réseau neuronal artificiel?

Question

Le titre était peut-être un peu flou. Malheureusement, je ne pouvais pas en trouver un meilleur.

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.

Answer 1

Je vous suggère de commencer en utilisant 3 neurones pour chaque cellule de votre tableau:

• Un qui indique au réseau si la cellule est vide. Vous pouvez simplement utiliser les valeurs 0 pour vide et 1 pour non-vide (juste un exemple, d'autres valeurs devraient aussi fonctionner, assurez-vous d'être cohérent).

• Un qui fait exactement la même chose, mais il indique au réseau si la cellule est bloquée. (encore 0 et 1 comme entrées possibles)

• Et enfin le Neuron pour recevoir la valeur positive/négative. Vous pouvez essayer différentes choses ici. Vous devriez probablement essayer d'abord, si cela fonctionne juste pour définir la valeur s'il y en a une, et s'il n'y a pas de valeur, mettez l'entrée à 0. Cela peut perturber le réseau un peu dur, puisqu'il ne peut pas voir la différence 0 = null et 0 = 0. Si cela ne fonctionne pas, vous pouvez essayer de mapper toutes vos valeurs d'entrée entre 0 et 1 (dans votre cas, il suffit d'ajouter 1, puis diviser par 2 avant de transmettre la valeur au réseau) 1 si la cellule est bloquée/vide.

Si vous ne pouvez pas obtenir ce travail d'abord jouer avec les paramètres pendant un certain temps, changer la quantité de couches cachées et les neurones, faire varier les taux apprentissage et la dynamique de la formation.

Si les entrées ne s'avèrent pas très bonnes pour votre tâche, je vous suggère de faire ce que vous avez mentionné auparavant: un neurone pour chaque état possible de chaque cellule. Cette méthode prendra plus de temps à s'entraîner, mais elle devrait certainement fonctionner (sinon, votre tâche est plutôt comolex pour le réseau, ou vous avez besoin de plus de temps de formation).