Могу ли я использовать нейронную сеть для получения оценки выходного ряда, зная только входные данные?

Question

Допустим, у меня есть модель

h (t) = F [h (t-1), h (t-2), ..., u (t-1), u (t-2), ...]

где F [] - нелинейная функция переменных, включенных в функцию.

Так, например, h (t) может быть:

h (t) = h (t-1) + u (t-1) + h (t-1) * u (t-1) + h (t-1) * h (t-2))

Теперь, ради моей проблемы, у меня есть только ряд данных u (t) для меня.У меня нет ряда для h (t), и я не знаю модель.

Могу ли я использовать Neural Network Toolbox для генерации хорошей нелинейной оценки h (t) с помощьюпросто предоставив вам (т)?Если да, то какую нейронную сеть я использую?

Answer 1

Я предполагаю (h (t-1), h (t-2), ...) временной ряд. Я позвоню (h (t-1), h (t-2), ...) временной ряд h и (u (t-1), u (t-2),. ..) временной ряд u . Таким образом, вы подгоняете модель ANN со знанием текущего значения для h, называемого h (t) , и предыдущего исторического временного ряда для u (временного ряда u).

Если бы вы могли найти функцию для h (t) , не зная предыдущего h временного ряда , то у вас не было бы функции h (t-1), h (t-2) и т. д. Математически это будет означать, что вы не зависите от исторических значений для h.

Возможно, что для некоторых областей ваша модель могла бы точно предсказать h (t) только для заданных значений временных рядов u , но я бы не стал доверять такой модели, учитывая, что:

1. вы говорите, что ч (т) имеет нелинейную зависимость от предыдущих значений для ч (т) и
2. Вы упомянули временной ряд h на первом месте

Это наводит меня на мысль, что вы будете использовать модель в областях, где временной ряд h важен, и поскольку модель нелинейна, ошибка может резко возрасти, как только вы выйдете за пределы своего подобранного региона. , Хуже того, без знания h временного ряда вы даже не узнаете, где находится область "хорошей подгонки".

Если бы у вас была модель, возможно, есть какой-то хитрый способ получить ч временных рядов с учетом ч (т) и u временных рядов но я не думаю, что это то, что вы спрашиваете.

Answer 2

Для меня это все равно, что учить детей умножению, не давая ни единого намека на то, что может быть правильным решением. По крайней мере, вы должны быть в состоянии обеспечить некоторую функцию пригодности, которая оценивает, насколько хорошо работает ваш ANN. Затем вы можете использовать эволюционный алгоритм (например, CMA-ES) для оптимизации вашего ANN.