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

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注