Есть нейросеть, которая используется в Юнити, вроде бы обучена по поводу Хэбба. Мне нужно, чтобы она классифицировала ситуацию и выдавала 1 из 3 действий для ситуации.
В методе FixedUpdate я передаю ей данные для обучения, и каждый раз корректирую веса по правилу Хэбба.
На выходном слое 1 нейрон, который через несколько десятков иттераций начинает выдавать 0.017 и постепенно уменьшается.
Какие выводы можно извлечь из этого? Как классифицировать ситуации?
NeMalenKihren, не важно на чем что-то реализовано, важно только то, к чему именно относится вопрос. Если бы твоя нейросеть являлась нативным решением юнити, тогда тег имело бы смысл указывать. Сейчас - нет, как и тег математики.
При классификации размерность выхода обычно равна числу классов.
1 из 3 действий == 3 «нейрона».
На каждом некое значение от 0 до 1 — вероятности. Брать вариант с наибольшей вероятностью.
