Какой тип нейросетей оптимален для обработки двоичных данных?

Question

[StrangeAttractor]

На входе массив булевых значений (результат предварительного анализа данных/состояния на соответствие критериям). На выходе — решение да/нейтраль/нет (в виде 1/0.5/0 или в виде двух чётких булевых значений или вообще можно на две подзадачи-нейросети задачу разбить) (например для стратегической игры: атаковать/обороняться/отступать). Т.е. всё множество вещественных чисел нам не нужно, множество имеющих смысл значений входов и выходов строго ограничено. Какой тип нейросетей и алгоритм обучения лучше выбрать для такой задачи?

Answer 1

[Александр Хмелев]

Нейросети точно не айс для такой задачи. Посмотрите в сторону решающих деревьев.

Comments

[StrangeAttractor]

Спасибо, посмотрю. На первый взгляд — то, что надо.

Answer 2

[Petrify]

обычная нейросеть с 1-2 скрытыми слоями, обучение обратным градиентным спуском, функция активации подойдет сигмоид, на выходе снимать максимальное значение. Например если у вас на выходе три нейрона атаковать/обороняться/отступать со значениями (0.4,0.2,0.6), то надо отступать.

Comments

[StrangeAttractor]

Спасибо. А почему не сделать на выходе один нейрон, который должен бы был выдавать значение, округляющееся до 0/0.5/1? Реально интересен вопрос выбора между несколькими нейронами и одним нейроном, кодирующим все варианты результата когда стоит задача классификации с небольшим количеством вариантов.

Answer 3

[lightcaster]

Почему нейросети?