Propery建立神經網絡定位到位置分析

Question

我正在嘗試訓練一個可以被認爲是一個宏觀級郵政網絡的系統的神經網絡。我的輸入是兩個位置（美國50個州之一）以及1到3個其他變量，我想要一個數字結果。

我的第一個傾向是將狀態表示爲0-49的數值，然後有一個只有3個左右輸入的網絡。然而，我發現，我的訓練永遠不會收斂於有用的價值。我假設這是因爲這些州的價值完全是任意的 - MA對於39的值與CA的值38無關，特別是當37代表跳回到CT時。

有沒有更好的方法來做到這一點？我應該創建一個超過100個輸入的網絡，代表原始狀態和目標狀態的布爾值嗎？

Answer 1

我認爲你對將不同狀態表示爲連續整數的難度的直覺是正確的 - 表示將大量信息壓縮到每個輸入中。這意味着您的網絡可能需要學習很多關於如何將這些信息解碼爲事實的信息，這些信息在解決您的問題時非常有用。

每個輸入的一個狀態，帶有布爾輸入，可能有所幫助。這將使網絡更容易找出你正在談論的兩個狀態。當然，這種方法並不一定使網絡很容易學習有用的事實，例如哪些狀態彼此相鄰。

這可能是有益的嘗試，以確定是否有任何種類的信息，在那裏，既容易爲你提供並且還可能讓學習更輕鬆。例如，如果狀態的物理佈局對解決您的問題很重要（例如，CT與NY鄰近，與PA相鄰），那麼也許您可以將該國劃分爲區域（如西北，東南，中西部）並提供布爾值每個地區的投入。 （可能）更有用的表示形式：而不是說「它是狀態＃39」，你可以說（例如）「它是最北端的國家，它接觸超過五個相鄰的州在東部地區「。

如果網絡發現它有助於確定兩個狀態是否彼此靠近，這種表示可能會使學習更快一些 - 如果兩個狀態靠近，通過簡單比較兩個「區域「的輸入。檢查兩個區域輸入是否相等比記憶狀態＃39接近狀態＃38，＃21，＃7和＃42的事實容易得多。