好的，所以我通过一些尝试和错误建立了一个神经网络。接下来将进行反向传播。但为了做到这一点，我需要计算输出的误差。
我为我的测试区域做的情况如下。我有一辆车，在迷宫的角落里，导航到迷宫的另一个角落。输入为：
- 与正前方墙壁的距离
- 距汽车左侧墙壁的距离
- 距汽车右侧墙壁的距离
- 汽车全局X位置
- 汽车全局Y位置
输出为：
- 车辆前进速度
- 汽车转弯速度
所有输入和输出都在-1和+1之间进行了明显的归一化。汽车只能向前行驶，因此-1=0速度，+1=最大速度。
所以我所知道的是，我想把车从目前的位置，到迷宫的终点位置。我自己不必担心任何其他事情。
回到这个脚本的错误计算部分。我阅读并遵循的所有指南都要求与输出相比出现错误。就像在output - ideal = error中一样，问题是为了让它前进到迷宫的出口，我不知道在那一点上理想的转向或速度是什么。
在我看来，这可能意味着两件事之一：1.还有其他方法可以解决这个错误，我可以使用，但不知道。或者有一种方法可以用数学的方法来计算错误。2.我期望从神经网络中获得更多的输入/输出。或者问它一些它永远做不到的事情。因此，我永远无法计算出正确的错误。
任何能帮我找出这个错误的人都将不胜感激！否则，请解释我做错了什么，或者我如何改进任务或i/O。
提前感谢！
您混淆了两件事。您阅读了有关神经网络的监督训练的相关内容。当你试图解决没有监督的问题时，这是强化学习。在这种情况下，你无法获得"理想"的答案。你只能或多或少地说当前的状态是好的/坏的（就像走出迷宫是个好地方，而离得远是个坏地方）。要么专注于有监督的学习问题，然后你使用的资源就可以了，要么坚持你的迷宫问题，转向强化学习。