ичок в нейронных сетях / машинном обучении / генетических алгоритмах, и для своей первой реализации я пишу сеть, которая учится играть в змею (Пример, если вы не играли раньше) У меня есть несколько вопросов, которые я не совсем понимаю:

Перед своими вопросами я просто хочу убедиться, что я правильно понимаю общую идею. Существует популяция змей, каждая из которых имеет случайно сгенерированную ДНК. ДНК - это веса, используемые в нейронной сети. Каждый раз, когда змея движется, она использует нейронную сеть, чтобы решить, куда идти (используя уклон). Когда популяция умирает, выберите некоторых родителей (возможно, наивысшую пригодность) и скрестите их ДНК с небольшим шансом мутации.

1) Если дать целую доску в качестве входных данных (около 400 мест), достаточно скрытых слоев (не знаю, сколько, может быть, 256-64-32-2?) И достаточно времени, научится ли она не упаковывать себя?

2) Какие будут хорошие входные данные? Вот некоторые из моих идей:

400 входов, по одному на каждое пространство на плате. Положительный, если змея должна идти туда (яблоко) и отрицательный, если это стена / ваше тело. Чем ближе к -1/1, тем ближе.6 входов: ширина игры, высота игры, змейка x, змейка y, apple x и apple y (может научиться играть на досках разных размеров, если обучен таким образом, но не уверен, как вводить свое тело, так как он меняет размер)Дайте ему поле зрения (возможно, 3х3 квадрата перед головой), которое может предупредить змею о стене, яблоке или его теле. (к сожалению, змея сможет видеть только то, что находится прямо перед собой, что может помешать ее способности к обучению)

3) Учитывая метод ввода, что было бы хорошей отправной точкой для скрытых размеров слоев (конечно, планируйте эту настройку, просто не знаю, какая хорошая начальная точка)

4) Наконец, пригодность змеи. Помимо времени на получение яблока, его длины и времени жизни, нужно ли учитывать что-то еще? Чтобы змея научилась не блокировать себя, могу ли я добавить что-нибудь еще в фитнес, чтобы помочь этому?

Спасибо!