【发布时间】：2016-09-14 23:29:23
【问题描述】：
我想知道前馈神经网络是否以及如何处理一般的不连续输入。
在一个深度强化学习项目中，我想将方向输入到神经网络中。然而，方向角定义在 [-180°, 180°] 的范围内，在边界处不连续。那么给定足够的训练样本和时间，神经网络会知道 -180° 实际上与 +180° 相同，还是会因为它们位于输入空间的相反侧而区分这些值？
【问题讨论】：
-
不连续是什么意思？这个函数是连续的——它还有一个属性——f(-180) = f(180)。我说的对吗？
-
如果我让机器人以恒定速度旋转，它现实世界的角度会不断增长：0°、180°、360°、720°等等。但是，我的输入会同时周期性地跳跃。从这个意义上说，我相信我可以说它是一个实际连续属性的不连续表示。
-
但这是可能的参数流的不连续性 - 而不是值。
-
嗯，这就是我关心的。神经网络的输入。
-
是的，但是您是否使用循环神经网络 - 所以输入的顺序很重要？如果没有，您可以轻松地对其进行重新洗牌，并且不会影响您的模型 - 与此属性相同。
标签： input neural-network orientation