Моделирование и идентификация кривых

Question

Я сделал измерения на датчиках (свет, влажность и т. Д.), И я получаю статистические кривые / графики. Когда я делаю те же эксперименты, я получаю кривую, которая выглядит как предыдущая в целом, конечно, не то же самое. Я хочу смоделировать кривую и привести к уравнению, чтобы при повторном запуске эксперимента взять аналогичную кривую (график), чтобы сказать, что это датчик освещенности или датчик влажности… и т. Д. Проблема в том, что я не знаю, возможно ли это, и с чего начать .. Нужно ли мне машинное обучение? Что-то другое? Спасибо ...

Answer 1

Вы можете использовать простую нейронную сеть, которая научилась бы определять тип датчика по данному измерению. Для обучения нейронной сети вам нужны данные, а это значит, что вам нужно собрать несколько десятков или сотен измерений и пометить их (чем больше данных, тем точнее прогнозы из нейронной сети)

Hovewer, если измерения для данного датчикаочень похожи и из указанного диапазона, вам не нужно машинное обучение. Вам просто нужно рассчитать, к какому типу датчика ваши новые измерения наиболее похожи.

Один из возможных подходов заключается в следующем:

1. Примите несколько мер для каждого класса датчиков

2. Для каждого класса создайтевектор фиксированной длины, который будет содержать усредненные значения измерений, например, если измерения вашего датчика освещенности из 3 экспериментов выглядят так:

   [1,4,5,3,8]

   [1,3,4,3,7]

   [1,3,5,3,6]

   Затем вы усредняете его для одного вектора:

   [1, 3.33, 4.66, 3, 7]

3. Когда вы берете новую меру и хотите определить ее класс, вы вычисляете среднюю абсолютную ошибку нового измерения для усредненного вектора каждого класса. Класс с наименьшей ошибкой - это датчик, с которым было произведено измерение