我喜與神經網絡，現在玩。我做了那種本教程的重新實現的： http://www.ai-junkie.com/ann/evolved/nnt5.html，但隨着魚類和食品也有不同的編程語言。但重點是一樣的。
的BP神經網絡
我有一堆魚（20）和一堆foos（40）。每條魚都有大腦（神經網絡（我將從現在開始使用ANN））。目前，神經網絡不使用backprop，並通過遺傳alghoritm進行訓練。它工作正常。我想通過使用反向傳播來實現學習，而不是比較這兩種方法。問題只是反向傳播alghoritm。我讀了一些關於它的文章，但是我沒有明白它如何在這個例子中被使用。我可能只是不理解它而已。
我會解釋這個問題：
現在我有4個輸入的神經網絡。注視矢量的lookAt（X，Y），向量最接近食品closestFood（X，Y）=>這個向量的值被輸入到神經網絡。 nn的輸出是魚的右鰭的速度=> ANN具有2個輸出leftFliperSpeed，rightFlipperSpeed。
所以總結起來。我有安這樣的：
輸入：4（lookAt.X，lookAt.Y，closestFood.X，closestFood.Y）
層：3（輸入，輸出，和一個隱藏的6個神經元）
輸出：2 （leftFlipperSpeed，rightFlipperSpeed）
我用這樣的：
1.遺傳alghoritm我得到魚的第一羣（讀我將獲得的權重爲ANN的輸入）。
2.運行一些迭代次數的模擬，讓魚吃掉魚類找到和吃的食物。我發現魚類食物，她的健身功能增加，食物在其他地方重新定位。我一直都有不斷的魚類和食物。
3.在例如2000次迭代後，我再次運行遺傳alghoritm並從實際人羣中獲得新的人羣 - 具有較高適應度的魚有更高的生存機會或成爲新魚的父親或媽媽。我爲神經蠑螈獲得新的重量。並從第2點開始繼續。
這裏的學習過程很簡單明瞭。而且它沒有上司的學習。
現在反向傳播。從我閱讀的文章中，反向傳播是監督學習。問題在於訓練集。遺傳學alghs我不需要它在這裏是的。
我能做些什麼來實現反向傳播。
任何提示如何從中獲得新的權重以及如何替換主管？如果沒有主管，我認爲反向傳播是不可能完成的。它可以以某種方式使用我通過遺傳alghoritm學習得到的數據，但它將取決於輸入數量，食物池的大小，其中將是魚等。