【发布时间】：2017-06-07 14:44:27
【问题描述】：
我编写可以玩井字游戏的神经网络。网络有 9 个输入神经元，描述棋盘的状态（1 - 网络移动，1.5 - 对手移动，0 - 空单元格）和 9 个输出神经元（具有最高值的输出神经元表示给定的最佳动作状态）。网络没有隐藏层。激活函数 - sigmoid。学习方法——Q学习+反向传播。
网络经过训练，但效果不佳（继续踩踏被占用的单元格）。所以我决定添加一个隐藏层。我想问一下：
在隐藏层中使用多少神经元以及哪些激活函数更适合用于隐藏层和输出层？
【问题讨论】：
-
我喜欢你的项目，如果你把它发布到 Github 上，它会让大家受益。不幸的是，目前尚不清楚我们如何回答这个问题。你的问题对我来说听起来像是一个错误（踩到占用的单元格），而不是机器学习的问题。
标签： machine-learning neural-network reinforcement-learning