Question

我正在发展一群神经网络，我一直在努力规范健康分数（到0到1范围内的值），因此这个数字本身就是最有意义的。问题是代理商在不同的条件下进行测试 - 他们参与不同的游戏，并且对于每个游戏，使用不同的健身功能。健身功能或多或少看起来像这样：

agentsFitness[indiv][0] += Util.mean(speed) * (games[0].getConstant(0) - Math.sqrt((Math.abs((speed[LEFT] - speed[RIGHT]))) * (games[0].getConstant(1) - Util.normalize(0, 4000, maxIRActivation))));

但每个人都会采取不同的输入。我可以很容易地将每个数字分别标准化，因为我可以估计输入的最大值和最小值。其中一些将在（-30,000,360,000）和一些（0,900）的范围内。

我觉得困难的部分是代理商可能同时在两个，三个或更多游戏中进行测试，因此他们的健身分数将是所有游戏的分数之和。此外，可以引入/发展新游戏。硬编码规范化的最小值和最大值不适用于此。

如果我尝试使用非常大的最大值和最小值，我最终会得到一个范围（0.40,0.45）的分数，用于具有较小输入值的游戏，这些游戏隐藏了分数的潜在多样性。

关于如何将这些健身分数标准化的任何建议都将受到高度赞赏。

Answer 1

所以你试图用遗传算法优化神经网络，对吧？凉！

通常建议对ANN进行标准化输入，但这在使用sigmoid激活时尤其适用。您确定需要标准化数据吗？在不知道输入范围的情况下，让ANN完成其工作是非常困难的。

如果您很难对输入进行标准化，请跟踪数据中的当前最大值和最小值。
更好的是，尝试迭代数据一次以收集有关最大值和最小值的先验信息（仅当它不会显着增加时间复杂度时）。
或者，尝试调查一个逻辑来猜测最大值和最小值。也许......另一个神经网络做猜测工作:)。这取决于环境。

你要做的事对我来说并不是很清楚......但据我所知，这些是我能提出的唯一建议。

检查这两个链接。可能有帮助：

Normalizing values with unknown bounds

Normalize components in a language model

Answer 2

您可以使用标准的标准化分数：对于每个人口（在这种情况下，每个输入集合），您可以通过从中减去总体均值来计算个体的分数，然后将其除以标准偏差。

这不会为您留下0到1之间的数字，但允许您将两个群体相互比较

如何规范健身分数？

2 个答案: