神经网络 - 如何最好地处理可变数量的输入
Neural Networks - How best to deal with a variable number of inputs
对于多代理编队问题，我想使用人工神经网络 (ANN)，它应该根据视图中相邻代理的相对位置输出所需的速度矢量 (x,y)，或者在 (x ,y) 或 (angle, radius) 我猜哪个最有效。
视图中的代理数量是可变的，因为它们只有约 150 度的视野。
我怎样才能最好地处理 ANN 的可变输入数量？我希望就最佳方法提供一些意见。
我能想到的唯一方法是限制可能的输入数量，然后在超过限制时只输入最近的邻居，或者用远处的假邻居填充空输入（因为远距离交互非常有限） .
通常，您可以使用比您需要的更多的输入来构建您的网络。重要的部分是确保您的训练数据与使用数据匹配。
您可以采用一种方法，只需为未使用的向量输入 0,0，或者您可以将每个输入设为 x,y,0，其中最后一个数字为 1，以确定是否应使用该向量。重要的是只使用大量训练数据，并使您的实际使用与训练格式相匹配。
未使用或有用的输入在实际操作中会趋向于零权重。
还有更高级的方法，您可以获取输出并将其循环回输入，然后在每次迭代时提供一个额外的输入。不过，这对于您正在做的事情来说可能有点矫枉过正了。
你在使用强化学习吗？还是受监督？
对于多代理编队问题，我想使用人工神经网络 (ANN)，它应该根据视图中相邻代理的相对位置输出所需的速度矢量 (x,y)，或者在 (x ,y) 或 (angle, radius) 我猜哪个最有效。
视图中的代理数量是可变的，因为它们只有约 150 度的视野。
我怎样才能最好地处理 ANN 的可变输入数量？我希望就最佳方法提供一些意见。
我能想到的唯一方法是限制可能的输入数量，然后在超过限制时只输入最近的邻居，或者用远处的假邻居填充空输入（因为远距离交互非常有限） .
通常，您可以使用比您需要的更多的输入来构建您的网络。重要的部分是确保您的训练数据与使用数据匹配。
您可以采用一种方法，只需为未使用的向量输入 0,0，或者您可以将每个输入设为 x,y,0，其中最后一个数字为 1，以确定是否应使用该向量。重要的是只使用大量训练数据，并使您的实际使用与训练格式相匹配。
未使用或有用的输入在实际操作中会趋向于零权重。
还有更高级的方法，您可以获取输出并将其循环回输入，然后在每次迭代时提供一个额外的输入。不过，这对于您正在做的事情来说可能有点矫枉过正了。
你在使用强化学习吗？还是受监督？