用于控制应用的神经网络

Question

我正在尝试使用 brain.js 或 synapse.js（或任何其他 JS NN 库）来完成以下操作：

• 我有一个 3 轴加速度计
• 我有 4 个电机

我的输入看起来像：

{
  accelX: 0.12,
  accelY: 0.25,
  accelZ: 0.91,
  powerA: 1,
  powerB: 0.75,
  powerC: 0.44,
  powerD: 0.92
}

我希望输出是电机功率：

{
  powerA: 1,
  powerB: 0.75,
  powerC: 0.44,
  powerD: 0.92
}

这样accel 接近 0。我想我可以通过随机调整每个电机的功率来训练它，然后检查加速度是否接近 0。如果是，将其包含在训练集中.如果不是，则不包含在训练集中。

这样，随着时间的推移，我将拥有一个包含我的 7 个输入的各种状态的训练集，以及应该是什么合适的输出来实现我期望的 0 目标。我的问题是：我该如何构建它？我对 ANN 还是比较陌生。我不是在找人为我编写代码或为我解决这个问题，但也许是正确方向的一般指针。

如果有任何不清楚的地方，请添加评论，我会更新问题以澄清。

谢谢

Answer 1

首先，我看到您在输入和输出中都有电机功率。我假设您的意思是您正在传递电机的当前功率以及当前的加速度值，以确定电机的下一个功率设置。我还假设您有某种“物理函数”，它从神经网络（电机功率）获取输出，并根据引起运动的电机使加速度值适当变化。最终目标是以每个加速度的 0 值停止。

我不建议使用训练集。您需要做的是创建一个评分函数来评估神经网络的有效性。一个非常简单的方法可能是将神经网络运行 100 个周期，然后将该神经网络的平均加速度作为分数。现在的目标变成了最小化分数。

将神经网络权重设置为随机值。并将优化算法应用于神经网络的权重。优化算法调整参数（权重）以降低得分函数。不需要训练数据。

有许多不同的优化功能。模拟退火可能是我能想到的最容易实现但非常有效的优化算法。其他可能性包括 Nelder Mead、遗传算法或爬山。