Я настраиваю регрессор ANN (MLP, ReLU во всех узлах, оптимизатор Адама) для моделирования промышленного процесса.Я тренирую свою модель, чтобы предсказать, как процесс будет влиять на вход A1, поэтому у меня есть входы A1, B и C, а выходной сигнал ΔA (A2 - A1).Однако я заметил интересную тенденцию в моих прогнозах.Похоже, что ошибка обратно пропорциональна (линейное отношение) ΔA.Ошибка начинается с высокого значения при низких значениях ΔA и в какой-то момент ошибка переходит от положительного к отрицательному и продолжает уменьшаться (т.е. увеличивается в абсолютном значении).Итак, другими словами, я получаю предвзятую ошибку прогноза.
Я оптимизировал ANN, насколько мне известно.Все параметры, которые я использую для анализа ошибки, находятся на разумных уровнях.
Я не уверен, что именно это означает.Означает ли это, что выбранные мною входные данные не могут полностью объяснить изменение в А или это недостаток в моей ИНС?Я знаю, что это трудно сказать, фактически не видя мой ИНС или данные, извините.С другой стороны, есть ли способ «дать знать ANN», что эта тенденция происходит, чтобы она могла ее исправить?
ОБС .: Если я обучаю свою сеть с теми же входами и с A2 как выход вместо ΔA, модель работает очень хорошо.Гораздо меньше ошибок и никаких тенденций в погрешности предсказаний не может быть найдено.Это одна из причин, почему я считаю, что мои данные достаточны для объяснения процесса (т. Е. Не должно быть пропущенной части головоломки).