如何处理Artifical Neural Network中的不确定性/缺失数据？

Question

背景：

我正在尝试使用前馈人工神经网络为视频游戏创建AI，并且遇到了一些输入要素依赖于存在的问题其他输入功能的值。

最基本的，简化的例子，我能想到的是这样的：

功能1是玩家的数量（范围2 ... 5） 功能2？是每个玩家的得分（范围> = 0）

通知ANN得分的特征数量取决于玩家的数量。

问题：如何将这种动态知识输入到ANN中？

事情我已经考虑：

1. 根本就没有使用这种功能，或者将它们合并为静态输入。 I.E使用球员得分的总和代替。我严重怀疑这适用于我的问题，这会导致失去太多的信息，并且ANN不能很好地运行。

2. 一个错误值传递（如-1）或默认值（例如0）为不存在的输入 我不知道如何这会工作，在理论上，ANN可以很容易地从该输入学习适当地建模功能。在实践中，我很担心导致ANN出现问题的非常规输入的数量。例如，如果参与者的范围是2-10，如果只有2个参与者，则80％的输入数据将不存在，并且会在人工神经网络中引入奇怪的偏差，导致表现不佳。

3. 传递在不存在输入的训练集上的平均值 同样，不存在的输入的数量是个问题，我担心这会给离散值带来奇怪的问题投入。

所以，我问这个，有没有人有任何其他解决方案，我可以考虑？有没有一种标准或常用的方法来处理这个问题？

我知道这是一个相当小生和复杂的问题，但我对“我该如何修复此代码感到厌倦？”和“我如何在PHP/Javascript中执行此操作？”问题：P，谢谢你们。

Answer 1

尝试考虑像下面一些模型：

说XI（例如X1）是该可变数量可以存在一个输入。你可以有n个（x1到xn）。让y成为其余的输入。

在您的第一个隐藏层上，将x1和y传递给第一个c节点，x1，x2和y到下一个c节点，x1，x2，x3和y到下一个c节点，依此类推。这假设x1和x3不能在没有x2的情况下激活。如果需要这样做，模型将不得不适当地改变。

网络的其余部分是一个标准的前馈网络与连接到下一层，或然而你选择的所有节点的所有节点。

每当有w个活动输入时，禁用除第c组节点以外的所有节点（完全排除它们对该输入集的训练，在计算输出节点的值时不要包含它们）更新其输入或输出的权重）。这将允许大多数网络进行训练，但对于第一个隐藏层，只有适用于该输入数量的部分。

我建议选择c以使得c * n（第一个隐藏层中的节点数）大于（或等于）第二个隐藏层中的节点数（并且具有c对于中等大小的网络，至少10个（进入100年也很好）），并且我还建议网络至少有2个其他隐藏层（因此除输入和输出外总共3个）。这不是来自经验，而是我的直觉告诉我的。

这工作是依赖于不同的数字输入之间有一定的（可能是不可捉摸）相似，并且可能无法正常工作，如果在所有，如果这种相似性并不存在。这也可能需要相当多的输入数量的训练数据。

如果你试试吧，让我/我们知道，如果它的工作原理。

如果你有兴趣在人工智能的讨论，我建议加入专门给它一些链接，在组中，有一些是相当活跃，并有有趣的讨论。在涉及到人工智能时，似乎没有太多关于计算器的信息，或者我们应该努力改变这一点，或者两者兼而有之。

UPDATE：

这里有几个像样的人工智能LinkedIn组的名称列表（除非他们最近改变他们的政策，应该是很容易的加入）：

• '人工智能研究人员，教师+专业人员'

• '人工智能应用'

• '的人工神经网络

• “AGI - 强人工智能”

• “应用人工智能”（没有太多的事情在此刻，并且还在处理一些垃圾邮件，但它是渐入佳境）

• “文本分析”（如果你感兴趣的是）

Answer 2

听起来好像你有多个数据集（对于每个玩家数量）彼此不兼容。从5人游戏中吸取的教训是否真的适用于2人游戏？尝试简化问题，如＃1，并查看程序的执行情况。在AI中，荒谬的简化有时会给您带来很大的牵引力，例如垃圾邮件过滤器中的bag of words。