Прогнозирование входов в нейронной сети

Question

Можно ли предсказать входные данные в "нейронной сети Keras" для определенного выхода?

Например, у меня есть набор данных с 28 входами и 3 выходами . Итак, я обучил модель в Керасе, которая отлично работает. Теперь я должен ввести конкретные значения в выходы и предсказать, какие будут входы для этого конкретного выхода.

Answer 1

Да, безусловно, можно прогнозировать входные данные из выходных данных. Фактически, то, что вы описываете, по сути является автоэнкодером.

Допустим, у вас есть NN, обученный MNIST. Если затем вы используете выходные данные слоя классификации для обучения декодера авто кодировщика, вы получите грубое указание на ввод.

Однако это не лучший способ сделать это. Лучший способ сделать это - просто считать скрытое пространство «выходом», а затем передать этот результат в:

a): 1-слойная классификация, чтобы получить прогнозируемый результат, и

b): декодер

Это даст вам прогнозируемый результат и исходное изображение

Answer 2

Я не уверен на 100%, что правильно понимаю вопрос, но если вы пытаетесь построить модель, которая может принимать входные данные и прогнозировать выходные данные, то вам нужно будет обучить вторую модель для прогнозирования входных данных из выходных данных, где вы меняете местами входы и выходы так, чтобы выходы были вашими входами, а ваши входы - выходами. Хотя это может раздражать, вам, возможно, придется создать отдельную сеть для прогнозирования каждой из ваших входных переменных.

Чтобы обойти эту проблему, вы можете рассмотреть autoencoders, если у вас все в порядке с приближенным приближением ввода. Автоэнкодер - это неконтролируемая искусственная нейронная сеть, которая изучает, как эффективно сжимать и кодировать данные, а затем изучает, как восстановить данные из уменьшенного кодированного представления в представление, максимально близкое к исходному вводу (вы можете прочитать больше здесь: https://towardsdatascience.com/auto-encoder-what-is-it-and-what-is-it-used-for-part-1-3e5c6f017726).