神经网络解决卡牌概率问题

问题 – 我有10张卡片,数值从1到10。现在我需要排列这些卡片,使得任意5张卡片的总和为36,剩余5张卡片的乘积为360。

我已经成功地用Java编写了一个遗传算法来解决卡牌问题。现在我想用神经网络来解决同样的问题。是否可以用神经网络来解决这个问题?我应该采取什么方法呢?


回答:

直接用神经网络解决这个问题是非常困难的。神经网络没有关于总和或乘积的概念,因此它们无法直接区分有效和无效的解决方案。

如果你创建了足够的例子并对它们进行标记,那么神经网络或许可以通过记忆所有例子来学会区分“好”和“坏”的排列方式。但这是一种非常低效且不准确的方法,而且这在某种程度上是毫无意义的——你需要一个单独的程序来解决这个问题,以便创建数据来训练神经网络。

附注:我认为你能让遗传算法成功运行是有点幸运的——我猜这是因为问题足够小,遗传算法能够尝试大部分可能的解,最终在答案附近偶然找到正确的答案。

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注