Нейронные сети - Нахождение o / p из двух разных шаблонов i / p

Question

У меня есть два разных (неизвестных отношения) типа входных паттернов, и мне нужно спроектировать нейронную сеть, в которой я бы получал выходные данные на основе обоих этих паттернов. Однако я не уверен, как спроектировать такую ​​сеть.

Я новичок в NN, но я стараюсь читать как можно больше. Насколько я понимаю, в моей задаче есть две входные матрицы порядка 6 * 1 и матрица o / p порядка 6 * 1. Так как мне начать с этого? Можно ли использовать обратное распространение и один скрытый слой?

.- например>

Input 1  Input 2  Output
 0.59       1       0.7 
 0.70       1       0.4
 0.75       1       0.5
 0.83       0       0.6
 0.91       0       0.8
 0.94       0       0.9

Как определить порядок весовой матрицы и передаточной функции?

Пожалуйста, помогите. Любая ссылка, относящаяся к этому также подойдет. Благодаря.

Answer 1

Самое простое, что можно попробовать - объединить 2 входных вектора. Таким образом, у вас будет 1 входной вектор длиной 12, и это станет проблемой обучения «из учебника» от R ^ {12} до R ^ {6}. Недостатком этого является то, что вы теряете информацию о каждых 6 входах, поступающих из другого источника, но, по вашему описанию, это не похоже на то, что вы знаете много об этих источниках. В любом случае, если у вас есть какие-либо специальные знания об этих 2 источниках, вы можете использовать некоторую предварительную обработку (например, вычитание среднего значения или деление на стандартное отклонение) для каждого из источников, чтобы сделать их более похожими, но большинство алгоритмов обучения должны и без него нормально работает.

Что касается того, какой алгоритм попробовать, я думаю, что канонический порядок: линейные машины (персептрон), затем SVM, затем многослойные сети (обученные с помощью backprop). Причина в том, что чем мощнее машина, которую вы используете, тем больше у вас шансов соответствовать составу поезда, но меньше шансов соответствовать «истинной» схеме (переоснащение).