AI中的對手預測的神經網絡

Question

目前我正在爲一個項目開發一款AI遊戲。我正在使用UCT算法，並計劃添加對對手移動的預測。對此，我想用神經網絡，但我已經遇到了一些問題：

1. 已經有一些數據上，我想建立一個基本的神經網絡的默認播放器，即一個球員我的避風港以前沒見過。問題是我想更新這個網絡，以適應每個特定的對手。我試圖尋找一種在線神經網絡算法，但目前還不是很成功。你能給我一些建議如何實現這一點？如何根據新數據更新參數而無需從頭開始完全運行培訓？

2. 編碼是在Java中完成的，我嘗試過使用Weka處理我擁有的數據。然而，我發現的唯一神經網絡分類器是多層感知器。我熟悉單層感知器，我知道它的輸出不是概率（與對數線性或樸素貝葉斯分類器相反）。多層感知器也不具有生成能力嗎？如果是這樣，那麼使用它輸出的「分數」作爲概率有多不準確？我應該使用不同的神經網絡算法嗎？如果是這樣，是否有可用於Java的庫？

非常感謝。

Answer 1

好了，我雖然對這個多一點，做一些調查研究，我決定進行如下操作：

1. 因爲我還沒有找到更好的東西，我就乾脆做1個更新使用通常的反向傳播算法來使用新的訓練值。據我所知，用一個新值更新1是其他算法中的常用方法，當人們將它們轉換爲在線學習時。找到正確的學習率可能會很有趣。由於這種方法每次只能執行一次更新，因此反向傳播不需要進行非常多的優化，因此我將編寫我自己的解決方案，並且不會使用任何庫。

2. 這裏我可能會放棄Weka工具，我會嘗試使用FANN庫來代替。由於在計算默認參數後我不需要使用它，因此它實際上以不同的語言實現並不重要。

請讓我知道，如果你知道更好的解決方案。謝謝。