Comments 2
Извините, но ворчливо покритикую: инструмент для данной задачи выбран абсолютно неадекватно. Вы же упомянули уравнение Беллмана, а его главный итог не применяете почему-то.
Эта постановка задачи — она не про нейронки, а про классическую классику из середины прошлого века: динамическое программирование. Или даже так: динамическое программирование Беллмана.
Соберите матрицу штрафов такого размера, как поле где бегает мышка. Заполняйте ее возможными шагами (варинты — вниз, влево, вниз+влево + 1, попал на кота + 1e10), т.е. вам нужно для каждой ячейки найти откуда в нее прийти дешевле всего. Вот и все, тогда обычный за двойной цикл с if на 4 варианта внутри легко вы найдете оптимальную траекторию мышки. Останется лишь восстановить траекторию. На все про все O(n^2). И гарантия математической оптимальности решения. А что предложили вы? Заменить if на НЕЙРОНКУ. Но...
Нейронки они не для этого. Совсем. Они нужны там, где НЕВОЗМОЖНО алгоритмизировать решение. Обучить многослойную ИНС — это пятерной вложенный цикл (O(n^5)). Сверточная — семерной. С ГА-адаптацией девятерной.
Вот и получается, что вы гоняете мышку семерным или девятерным циклом там, где хватает двойного. Это как долго-долго подбирать примерное решение, вместо получения сразу точного и гарантированного результата.
Все эти эксперименты имели бы смысл только, если вы изучаете новую какую-то архитектуру ИНС, например, и хотите доказать ее более высокую производительность или способность к распознаванию. У вас это не так, если я верно уловил постановку. У вас поиск гипотенузы через "тройные интегралы по контуру" ;).
В общем, только один вопрос. ЗАЧЕМ?..
Конец ворчливой критики.
Но не могу не оправдываться. Я в статье упоминаю, что решить это можно и без нейронки, но это мой второй проект на тензорфлоу и баловаться с нейронками — это просто весело, когда ты не написал ни одной строчки алгоритма, а мышь тебя понял как надо.
Фронтендер пишет нейронки. Уровень сложности «мартышка и уравнение Беллмана»