Ich arbeite an einem Regressionsmodell mit einem Satz von 158 Inputs und 4 Outputs eines Glasherstellungsprojekts, das ein kontinuierlicher Prozess von Inputs und Outputs ist. Ist die Verwendung von Neural Net eine geeignete Lösung für solche Regressionsmodelle? Wenn ja, habe ich verstanden, dass rekurrente neuronale Netze für Zeitreihendaten verwendet werden können, welches rekurrente neuronale Netz soll ich verwenden? Wenn die Verwendung von NN nicht geeignet ist, welche anderen Arten von Lösungen sind neben den linearen Regressions- und Regressionsbäumen verfügbar?Ist das neuronale Netzwerk für das überwachte Lernen geeignet, wo die Daten (Ein- und Ausgänge) kontinuierlich sind?
Antwort
Neuronale Netze sind in der Tat für kontinuierliche Daten geeignet. In der Tat ist es kontinuierlich von Standard würde ich sagen. Es ist möglich, diskrete I/O sicher zu haben, alles hängt von Ihren Funktionen ab.
Zweitens ist es richtig, dass RNN für Zeitreihe, in einer Weise geeignet sind. RNN sind tatsächlich geeignet für Zeitschritte mehr als Zeitstempel. RNN arbeiten durch Iterationen. Typischerweise kann jede Iteration als ein fester Schritt in der Zeit angesehen werden. Das heißt, wenn Sie Daten wie (date, value)
(was ich Zeitstempel nennen), kann es nicht so gut sein. Es wäre nicht absolut unmöglich, aber das ist nicht die Idee.
Ich hoffe, es hilft, mit einfachen RNN zu beginnen, zu verstehen, wie es funktioniert, dann, wenn Sie mehr brauchen, lesen Sie über komplexere Zellen.
- 1. Wo finde ich die Übung über das konvolutionelle neuronale Netzwerk?
- 2. Wie ist das neuronale Netzwerk von Google zur Bilderkennung implementiert?
- 3. Wie organisiert man das wiederkehrende neuronale Netzwerk?
- 4. Warum sagt das neuronale Netzwerk nicht voraus?
- 5. Was sind die Probleme, die neuronale Netzwerke beim Lernen stagnieren?
- 6. Auswählen von Zugbildern für das konvolutionelle neuronale Netzwerk
- 7. Wie die Äußerungslänge das neuronale Netzwerk bei der Sprechererkennung beeinflusst?
- 8. Was ist Aktion und Belohnung in einem neuronalen Netzwerk, das Gewichte lernt durch Verstärkung Lernen
- 9. neuronale netzwerk software
- 10. Ist Storm schlecht für Batch-Lernen geeignet?
- 11. Künstliche neuronale Netzwerk-Rückpropagationstests
- 12. Ist Haskell für das Quantum Computing geeignet?
- 13. Wann sind Prädikate geeignet und was ist das beste Muster für die Verwendung?
- 14. Ist XPath für das HTML5-Format geeignet?
- 15. Wiederkehrende neuronale Netzwerk-Klassifizierung
- 16. Neupy neuronale Netzwerk Probleme
- 17. Neuronale Netzwerk-Bildarchitektur
- 18. Neuronale Netzwerk Approximationsfunktion
- 19. Neuronales Netzwerk Java XOR lernen?
- 20. Neuronale Netzwerk XOR Backpropagation benötigt
- 21. Neuronale Netzwerk Backpropagation Implementation Probleme
- 22. Welche Ports sind am besten für das Webhosting geeignet?
- 23. Sind UCWA-Ereigniskanäle für das Abonnieren großer Benutzermengen geeignet?
- 24. Verallgemeinerte Form für neuronale Netzwerk-Backpropogation
- 25. Neuronale Netzwerkeinstellungen für schnelles Training
- 26. Backpropagation für ein einfaches neuronales Netzwerk, das ungewöhnliche Ergebnisse liefert
- 27. Wo sind die besten Erklärungen zum Speichermanagement für das iPhone?
- 28. 2-Dence neuronale Netzwerk-Genauigkeitsoptimierung
- 29. Neuronale Netzwerk Klassifikator mit MLP
- 30. Wie bestimmen Architektur einer Faltung neuronale Netzwerk