AI中的对手预测的神经网络

Question

目前我正在为一个项目开发一款AI游戏。我正在使用UCT算法，并计划添加对对手移动的预测。对此，我想用神经网络，但我已经遇到了一些问题：

1. 已经有一些数据上，我想建立一个基本的神经网络的默认播放器，即一个球员我的避风港以前没见过。问题是我想更新这个网络，以适应每个特定的对手。我试图寻找一种在线神经网络算法，但目前还不是很成功。你能给我一些建议如何实现这一点？如何根据新数据更新参数而无需从头开始完全运行培训？

2. 编码是在Java中完成的，我尝试过使用Weka处理我拥有的数据。然而，我发现的唯一神经网络分类器是多层感知器。我熟悉单层感知器，我知道它的输出不是概率（与对数线性或朴素贝叶斯分类器相反）。多层感知器也不具有生成能力吗？如果是这样，那么使用它输出的“分数”作为概率有多不准确？我应该使用不同的神经网络算法吗？如果是这样，是否有可用于Java的库？

非常感谢。

Answer 1

好了，我虽然对这个多一点，做一些调查研究，我决定进行如下操作：

1. 因为我还没有找到更好的东西，我就干脆做1个更新使用通常的反向传播算法来使用新的训练值。据我所知，用一个新值更新1是其他算法中的常用方法，当人们将它们转换为在线学习时。找到正确的学习率可能会很有趣。由于这种方法每次只能执行一次更新，因此反向传播不需要进行非常多的优化，因此我将编写我自己的解决方案，并且不会使用任何库。

2. 这里我可能会放弃Weka工具，我会尝试使用FANN库来代替。由于在计算默认参数后我不需要使用它，因此它实际上以不同的语言实现并不重要。

请让我知道，如果你知道更好的解决方案。谢谢。