未知の関数を近似するためのニューラル ネットワークを作成しようとしています (ニューラル ネットワーク コース用)。問題は、この関数には非常に多くの変数がありますが、それらの多くは重要ではないことです (たとえば、[f(x,y,z) = x+y] では z は重要ではありません)。この種の問題に対してネットワークを設計 (および学習) するにはどうすればよいでしょうか?
より具体的には、関数は未知のルールを持つボードゲームの評価関数であり、エージェントの経験からこのルールを何らかの方法で学習する必要があります。各移動の後、スコアがエージェントに与えられるため、実際には最大スコアを取得する方法を見つける必要があります。
エージェントの近傍をネットワークに渡そうとしましたが、スコアにとって重要ではない変数が多すぎて、エージェントが非常にローカルなソリューションを見つけています。
十分な量のデータがある場合、ANN はノイズの多い入力を無視できるはずです。ANN がトレーニング データを過剰に学習しないように、スケーリングされた共役勾配や運動量や早期停止などの単純なヒューリスティックスなどの他の学習アプローチを試すこともできます。
複数のローカル ソリューションがある可能性があり、十分なトレーニング データを取得できると思われる場合は、「専門家の混合」アプローチを試すことができます。複数のエキスパートを使用する場合は、問題全体を解決するには「小さすぎる」ANN を使用して、複数のエキスパートを使用するように強制する必要があります。
一連の状態とアクションが与えられ、目標値はアクションが状態に適用された後のスコアですか? この問題がさらに複雑になると、強化学習の問題のように聞こえます。
このゲームには個別のアクションがありますか? 離散状態空間はありますか? もしそうなら、おそらく決定木は試してみる価値があるでしょうか?