我正在尝试使神经网络尝试根据用户找出输入的含义（在这种情况下为键盘键）。
我有多个可能的输出“命令”，NN可以将输入解释为均值，并且在每种状态下，某些输出可以视为有益，而其他输出则有害。
当NN第一次启动时，没有任何输入应该具有任何特殊含义，但是随着时间的流逝，我希望NN能够弄清楚用户最可能的含义。
我尝试了一个多层感知器NN，它的输入节点与物理输入一样多，输出节点与命令一样多，并且节点的数量等于其他两个层的总和作为一个隐藏层，在此则为5,15,10。
NN假设用户只会按照NN的最大利益进行移动。
到目前为止，似乎NN只是在想出可以采取什么命令，而无论输入键如何，这很可能会导致有益的举动，而不是试图根据用户来弄清楚应该导致什么举动的键。
因此，我想知道（很可能是错误的）我是否应该为每个输入生成一个单独的NN，以尝试根据用户确定当前输出。
我是否应该考虑使用其他类型的NN会更好，并且针对此问题是否建议使用配置？
我会对阅读建议的一些建议感到满意，这些建议将有助于解决这一特定问题。
我充其量只是NN的业余爱好者，并且想学习更多有关整个领域的知识，但是我现在正试图将精力集中在这个问题上。
最佳答案
根据我的看法，您希望输出根据玩家的行为而定，因为输入的数量比实际情况要多。因此，根据我的看法，应该为玩家所采取的行动提供某种类型的记忆，以便找到模式。这可以使用长期短期记忆来完成。
关于neural-network - 神经网络找出用户输入的含义，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/33709534/