我正在编写一个简单的玩具游戏，目的是在其上训练一个深度神经网络。游戏规则大致如下：

• 游戏有一个由六角形单元组成的棋盘。
• 两位玩家都有相同的棋子集合，他们可以选择在棋盘上自由放置。
• 放置不同类型的棋子会根据它们的位置和配置相互奖励积分（或减少对手的积分）。
• 谁的积分多谁就赢。

还有其他规则（关于回合、棋子的数量和类型等），但在这个问题的上下文中它们并不重要。我想设计一个可以通过自我对抗来迭代学习的深度神经网络。我的问题是关于输入和输出的表示。特别是：

• 由于碎片的模式很重要，我想至少有一些卷积层。该板可以有各种尺寸，但原则上非常小（在我的测试中为 6x10，由几个单元扩展）。是否有意义？我可以使用哪种池？
• 如何代表双方？在这篇关于围棋的论文中，作者使用了两个输入矩阵，一个用于白棋子，一个用于黑棋子。它也可以在这种情况下工作吗？但请记住，我有不同类型的棋子，比如 A、B、C 和 D。我应该使用 2x4 输入矩阵吗？它对我来说似乎很稀疏而且效率很低。我担心卷积层太稀疏而无法工作。
• 我认为输出可能是代表棋盘位置的矩阵上的概率分布，加上一个单独的概率数组，指示要播放的棋子。不过，我也需要表现出转牌的能力，这点很重要。我怎样才能做到这一点而不稀释其在其他概率中的重要性？
• 最重要的是，我是只执行获胜的动作还是失败的动作？执行获胜动作很容易，因为我只是将期望的概率设置为 1。但是当失败时，我该怎么办？将移动概率设置为 0 并将所有其他移动概率设置为相同的值？此外，通过最终得分差异强制执行移动是否有意义，即使这会违背输出的含义（大致是概率）？

另外，我在 node.js 中开发了游戏引擎，考虑使用 Synaptic 作为框架，但我不确定它是否可以与卷积网络一起使用（我怀疑是否有办法修复与本地感知场相关的权重）。有关与节点兼容的其他库的任何建议？