2016-09-14 2 views
1

Мне интересно, если и насколько хорошо нервные сети с обратной связью могут обрабатывать прерывистые входы в целом.Может ли нейронные сети обрабатывать прерывистый вход?

В проекте обучения глубокому подкреплению я хочу ввести ориентацию в нейронную сеть. Однако угол ориентации определяется в диапазоне [-180 °, 180 °] с разрывом на границах. Поэтому, учитывая достаточные учебные образцы и время, будет ли нейронная сеть узнать, что -180 ° на самом деле совпадает с + 180 ° или это будет различать эти значения, потому что они лежат на противоположных сторонах входного пространства?

+0

Что значит, что это прерывисто? Эта функция непрерывна - она ​​обладает еще одним свойством - f (-180) = f (180). Я прав? –

+0

Если я позволю роботу вращаться с постоянной скоростью, то он постоянно растет: 0 °, 180 °, 360 °, 720 ° и т. Д. Тем не менее, мой вход периодически перескакивает. В этом смысле я считаю, что могу сказать свое прерывистое представление фактически непрерывного свойства. – Tomakko

+0

Но это разрывы возможного потока аргументов, а не значений. –

ответ

0

Это не должно быть проблемой. Функция значения, аппроксимированная вашим NN, просто сопоставляет все действия в этих состояниях примерно с одинаковым значением, поскольку они будут эквивалентны с точки зрения эксплуатации.

Таким образом, не имеет значения, являются ли эти значения далекими друг от друга; с точки зрения агента, они неотличимы.

+0

Согласитесь, в идеале мой алгоритм «увидит», что ориентация + 180 ° и -180 ° будет иметь тот же эффект. Я просто думал об обобщении в отношении ориентировочных ценностей. Только для того, чтобы дать понять мне, не было бы легче для NN узнать, что значения 0 ° и 10 ° имеют аналогичный эффект, чем тот же при значениях 180 ° и -170 °? – Tomakko

Смежные вопросы