神经网络 - 如何最好地处理可变数量的输入答案

【问题标题】：Neural Networks - How best to deal with a variable number of inputs神经网络 - 如何最好地处理可变数量的输入
【发布时间】：2017-01-02 07:52:00
【问题描述】：

对于多智能体形成问题，我想使用人工神经网络 (ANN)，它应该根据视野中相邻智能体的相对位置输出所需的速度矢量 (x,y)，无论是在 (x,y ）或（角度，半径）我猜哪个最有效。

视野中的代理数量是可变的，因为它们只有约 150 度的视野。

如何最好地处理 ANN 的可变输入数量？我希望对最佳方法提供一些意见。

我能想到的唯一方法是限制可能输入的数量，然后在超过限制时仅输入最近的邻居，或者用远处的假邻居填充空输入（因为远程交互非常有限）。

【问题讨论】：

【解决方案1】：

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相匹配。

您可以有一种方法，您只需为未使用的向量输入 0,0，或者您可以使每个输入像 x,y,0 一样，如果应该使用向量，则最后一个数字是 1。重要的是要使用大量训练数据并使您的实际使用情况与训练格式相匹配。

未使用或无用的输入在实际操作中将趋向于零权重。

还有更高级的方法，您可以获取输出并将其循环回输入，然后在每次迭代中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。

你在使用强化学习吗？还是有人监督？

【讨论】：

代理之间的“排斥力”随着接近度的降低而变得越来越大，这一事实是否会限制 (0,0) 作为空输入的使用？（即使 0 距离在现实生活中是不可能的）
如果您不使用开/关开关输入，那么您需要让未使用的输入看起来不重要。你如何规范你的输入？例如，我会让角度从 0 到 1，距离从 0 非常远到 1 非常近。在这种情况下，您会将未使用输入的距离设为 0。一种简单的标准化方法是将输入距离设为1/(actual distance)。
啊，太好了，我认为这可行，谢谢！现在我正在考虑使用 [0 - camera_range] 来标准化距离，但是反距离更优雅地解决了空输入问题。
我试过了，但显然没有足够的代表来显示它，所以现在你必须接受我的书面感谢：p
哈哈，好吧，我在同一条船上。谢谢！