Здравствуйте.
Имеется таблица с большим количеством таких данных:
На входе массив с 5 элементами - [A,B,C,D,E]
На выходе массив с 4 элементами - [Q,W,R,T]
Где буквы A,B,C...... это числа в шестидесятиричной системе исчисления.
Подскажите пожалуйста, какой алгоритм или какую библиотеку машинного обучения использовать, чтобы натренировать нейтронную сеть, которая бы по входным данным выдавала выходные по моему примеру?
van4esco: Система счисления - это только форма записи, на саму функцию (зависимость выхода от входа) не влияет никак.
Так, с этим разобрались, речь о векторе целых чисел.
Другой вопрос (от этого зависит метод машинного обучения): Функция QWRT от ABCDE непрерывная ?
nirvimel: Думаю, что нет. Хотя, теоритически, при огромных массивах данных она будет непрерывной.
Понять сложно, так как на входе 5 аргументов, а на выходе 4.
А с чего вы взяли, что вас какая-то нейронная сеть даст приемлемые для вас результаты ?
Она не даст точного соотвествия ABCDE -> QWRT для ваших данных никогда.
А вообще алгоритм аппроксимации зависит от ваших данных, а не от какой то НС и его алгоритма обучения.
Ну, разумеется точное соотвествее я получу только при наличии уравнения. НС для того и нужна, чтобы выудить законмерности и выдавать максимально приблеженные результаты.
Простой
Простой
