怎样用神经网络拟合N(大于3)维欧式空间的曲线,并预测走势？
大家好！
我要解决工艺工序里抽象出来的一个8输入8输出的预测问题；
解此问题是在具体生产过程中，每50分钟8个工序通道分别可能会有固定种类的半成品生成， 0代表没生成，1代表生成了，怎样由已知的情况（历史数据）预测下次可能的结果。
我假想的思路是，拟合N(这里是8)维欧式空间的点随时间形成的超曲线（并不一定显式求出，比如隐含于神经网络里也可以）并以此为依据去预测未来，
典型的数据如下：
P = [ 0 0 1 0 0 0 0 0;
0 0 0 0 0 0 1 0;
1 0 0 0 0 1 0 0;
1 1 0 0 0 1 0 0;
1 0 1 0 1 0 0 0;
....……………
1 0 1 1 0 0 0 1 ];
每个输入都是元素为8个‘0’或‘1’的一维矩阵，输出也都是元素为8个‘0’或‘1’ 的一维矩阵。
我个人认为，解此问题用神经网络或机器学习比微分方程好，但初学编程，也刚看了点神经网络的理论，不知这种数字型的数据，归一化怎样处理？用什么类型的神经网络好些，
请赐教！
展开
收起
1
条回答
写回答
写回答
-
没看懂8*8的第二个8是哪儿来的…………
- 数字型的数据如何归一化：这叫binary variable不叫数字型的变量，binary variable（0-1）不用做归一化，直接输入就可以
- 用什么类型的神经网络：time series prediction的问题可以用lstm和cnn都可以，lstm可能对初学者来说好理解一些。另外time series prediction在非神经网络方法上有一类准确率比较高的方法叫做cooperative coevolution，进阶方法可以参考：
http://xueshu.baidu.com/s?wd=paperuri:(6d79d2d6a3866df3fbf809ec7322ebc6)&filter=sc_long_sign&sc_ks_para=q%3DMulti-objective+cooperative+coevolution+of+neural+networks+for+time+series+prediction&tn=SE_baiduxueshu_c1gjeupa&ie=utf-8&sc_us=3887716981025528180
2019-07-17 21:05:03赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
