類神經以後用在修改一些公式上會很常用, 我大致講一下. 例如我用 hp, sp, pp 創造了一個暫定的戰鬥力公式 f, 而十個 玩家透過這個公式得到了各自的戰鬥力. 例如公式為: d = 100xhp + 50xsp + 30xpp 結果我們發現, 其中幾個玩家的戰鬥力依上述公式算出來後，其 戰鬥力值「被低估」, 例如 baha 顯示出來的是 500 萬, 但我們 評估後, 認為 baha 的戰鬥力應該要有 600 才合理.. 本來透過公式得到的數值 = 500 萬 我們修改這個實際輸出值→ 600 萬 把幾個玩家的戰鬥力依上面的概念調整後，原先的公式就不適用 了，那新的公式應該是什麼？ 類神經網路教我們的，就是「不需要去為怎麼修改原公式而傷腦 筋，交給我就對了」，透過監督式學習的類神經網路，很容易就 能得到新的權重值，在這裡我們假設... 初始權重值 W = [100 50 30]; 最終權重值 W' = [103 47 32]; 我們可以很輕易地解讀為何 baha 的戰鬥力會被原公式低估.. hp 與 pp 所佔的比重(權重)應該要更高(100->103, 30->32) 技能殺傷力的修改也是依同樣的道理，例如火系法術的殺傷力假 設公式與 lv、mag、LEVEL 三個數值有關... 一、我一樣可以定一個暫行公式，再做後續調整 二、或者我不定公式，直接先弄一個對照表如下... lv mag LEVEL 殺傷值大概會是多少 1 100 20 1000 (新手擊出的傷害) 5 500 60 10000 10 1000 100 50000 15 1500 120 100000 . . . 也就是我弄出一些 lv, mag 跟 LEVEL，然後主觀判斷在那 　　些 lv, mag 及 LEVEL 下產生的殺傷應該是多少，資料夠多 　　時我就可以拿它們來產生我想要的類神經網路。 網路產生後存起來, 以後我只要去讀取施展者的 lv, mag與 LEVEL，我就能透過網路得到輸出值了。 由類神經網路運算得出的殺傷值，與使用固定公式得出的殺傷值 之不同，就在於後者跑出來的東西是死的，前者跑出來的東西卻 會具有相當高的直覺性。 會這樣的原因就在於它在訓練時所用來調整權重的資料「本身就 具有直覺性」。 那如果還是發生不夠直覺的情況呢? 假設我們用10筆我們覺得符合直覺性的資料，訓練好我們要的網 路了，結果帶入第11筆資料到這個網路時，跑出來的結果卻不符 合直覺性時，該怎麼辦呢？ 例如第11筆資料帶 highelf 的資料進去，得出來的戰鬥力 800 萬，我們評估後覺得 highelf 的戰鬥力應該頂多 750 萬.... 調整方式：將 highelf 的資料以及 750 萬這個數值, 連同之前 　　　　　用來訓練的十筆資料，混合起來變成 11 筆資料，然 　　　　　後把這 11 筆資料「當做訓練資料」，重新訓練出新 　　　　　的類神經網路。 由上面就可以看出，並不是網路訓練好了就沒事了，後續的持續 修正有時也是必要的，持續的修正才能讓我們的網路可以有更精 準的產生結果。 Laechan --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 118.170.100.136 ※ 編輯: laechan 來自: 118.170.100.136 (05/15 00:18)