нейронная сеть, решающая следующий выход

Question

Я хотел бы сделать музыкальное произведение, и возможно 16 звуков, но не каждый звук может следовать за другим (например, за звуком «A» могут следовать звуки «B», «D» и «F»). 'но не' c 'и' E 'и т. д.). Я заменил это как вектор с 16 пространствами состояний (значения от 0 до 9), и я хотел бы использовать их в качестве входных данных для нейронной сети. Допустим, я получаю новые значения как случайные (от 0 до 9) для 16 элементов моего вектора. Теперь я хотел бы, чтобы моя сеть решила, какое значение лучше всего подходит из 16 на основе значения последнего вывода, потому что, как я уже упоминал, у каждого элемента есть определенное количество возможных элементов, которые могут появиться впоследствии. СЧИТАЕТЕ ЛИ ВЫ, ЧТО МОЖЕТ БЫТЬ РЕШЕН НЕЙРОННОЙ СЕТЬЮ, И КАКОЙ ВИД NN БУДЕТ ЛУЧШИМ ПОДХОДЯЩИМ. У кого-нибудь есть похожие примеры. СПАСИБО!

Answer 1

Вместо того, чтобы использовать нейронную сеть, вы можете просто захотеть создать таблицу вероятностей, которая помечает переходы между вашими заметками. Воображая, что вы можете играть только A, C и E:

    A     C     E
A   0.2   0.1   0.7
C   0.4   0.2   0.4
E   0.2   0.5   0.3

Используя эту таблицу в качестве примера, вы можете начать со случайной ноты (скажем, C). Затем, используя таблицу и начиная со строки для «C», мы видим, что с вероятностью 0,4 мы идем к A, с вероятностью 0,2 мы снова идем к C и с вероятностью 0,4 мы идем к E. Тогда вы просто продолжаете переход между вашими заметками. Намного проще, чем нейронная сеть, и это может быть ближе к тому, что вы ищете?