我最近开始学习神经网络，我想创建一个数独求解器会是一个很好的应用。我开始学习的是反向传播神经网络，但后来我发现有数十种神经网络。此时，我觉得很难学习所有这些，然后为我的目的选择一个合适的。因此，我想问一下，创建这个求解器有什么好的选择吗？反向传播神经网络在这里能用吗？如果不能，你能解释一下为什么，并告诉我哪个可以用。谢谢！
回答：
正如其他人已经指出的那样，神经网络似乎并不是解决数独的最佳方式。我认为一个更好的（但也不是非常好/高效）的方法是使用遗传算法。遗传算法与神经网络没有直接关系，但了解它们的工作原理非常有用。
更好的（我指的是更有可能成功，并且可能对你学习新东西更有帮助）的想法包括：
如果你使用库：
-
尝试不同的网络，尝试用不同的数据集训练它们，可能是随机数字，看看你得到的结果以及如何调整参数以获得更好的结果。
-
尝试编写一个图像生成器。我写过几个，它们仍然是我最喜欢的项目之一，其中一个我使用反向传播来教神经网络识别图像的x/y坐标上的颜色，另一种方法是将随机生成的图像与另一个结合（GAN/NEAT）。
-
尝试创建一个电影（一系列图像），展示网络学习创建图片的过程。这将很好地展示反向传播的工作原理，以及参数调整对结果的影响，以及它如何改变网络达到结果的方式。
如果你不使用库：
-
尝试解决一个接一个的简单问题。使用反向传播或遗传算法进行训练（无论你实现了什么）。
-
尝试改进你的实现，并更改一些其他人不关心的事情，看看它如何改变结果。
你的网络的“任务”列表：
- XOR（基本上是神经网络的hello world）
- 平衡杆问题
- 简单的游戏如乒乓球
- 更复杂的游戏如Flappy Bird、Agar.io等
- 选择你觉得有趣的更多问题，也许你对图像识别感兴趣，也许是文本、音频，谁知道呢。想想你能/想做的事情，找到一种方法让你的电脑为你做这些。
不建议仅使用你自己的神经网络实现，因为它可能在最初几次不会正常工作，你会感到沮丧。尝试使用库和自己的实现。
找到几乎无限资源的好方法：在谷歌搜索中添加’filetype:pdf’以仅显示PDF文件。搜索神经网络、遗传算法、进化神经网络。
