Какая нейронная сеть нужна?

Question

[Aricce]

Предположим есть некий, чужой, чёрный ящик в который вводят переменные и он выдаёт результат, для примера: есть формула( (x*y) /z), но я её не знаю, но знаю что при x=5,y=6,z=2 результат будет 2, при 10, 3, 4 результат 7.5 и так далее, я собрал множество статистики (x, y, z| r), но не знаю какая именно мне нейросети нужна и с чего вообще начать после общей теории, возможно вы подскажите примеры решения такой задачи или в каком направлении копать?

Answer 1

[Сергей Соколов]

Лучше подойдёт регрессионный анализ.

Сначала постройте график большого числа экспериментов. По виду попытайтесь спрогнозировать, какого рода функция там спрятана: простейшая линейная, квадратичная, полином.

Затем постройте модель и подгоните её параметры, чтобы полученная функция минимально «ошибалась» относительно экспериментальных данных из чёрного ящика.

Comments

[Aricce]

Спасибо большое

[xmoonlight]

Нет смысла строить никакие графики.
Достаточно искать схождение.

[Сергей Соколов]

xmoonlight, в своем ответе пиши ересь.

[xmoonlight]

Сергей Соколов, моя ересь - рабочая, твоя - нет...

[xmoonlight]

Сергей Соколов, А кто-то говорил про градиентный спуск...
А примера - нигде так и нет.

Решения в ответе - нет.

Answer 2

[xmoonlight]

Я уже отвечал в коментарии к предыдущему вопросу.

Пример: 4,5,9 и 3,6,11
Ответ: 3.5, 5.5, 10

Матрица:

3, 3.5, 4 -> -0.5, 0, +0.5
5, 5.5, 6 -> -0.5, 0, +0.5
9, 10, 11 -> -1, 0, +1

Осталось расставить коэффициенты в формуле.

Comments

[Сергей Соколов]

и где здесь искомый результат f = x * y / z ?

[xmoonlight]

Сергей Соколов, я брал свой пример, и даже без формулы.
Прояви свои знания математика! ;)

[Сергей Соколов]

Нобелевку этому господину! Он только что открыл среднее арифметическое.

[xmoonlight]

Сергей Соколов, Именно это и используется для нахождения коэф. полинома на соседних значениях.

[Сергей Соколов]

xmoonlight, градиентный спуск, а не это ваше..

[xmoonlight]

Сергей Соколов, ну вот и отлично. Покажи как раз: чем спуск лучше моего.

[Сергей Соколов]

xmoonlight, твоё вообще ни о чём, т.к. не является решением задачи. Опровергнуть моё утверждение сможешь только показав работающее решение. На вход массив данных [параметры, результаты], на выходе модель, которая «угадает» для новых входных парамтеров их результаты.
Но анализ твоих реплик и ответов показывает, что кода не будет с вероятностью 98.7%

[xmoonlight]

Сергей Соколов,

твоё вообще ни о чём, т.к. не является решением задачи.

ждёшь готовый код, констатируя своё "понимание" и уходя от ответа на мой вопрос про спуск?

Докажи, что ты понимаешь хотя бы, градиентный спуск....

Answer 3

[Сергей]

Нейронная сеть - это просто способ аппроксимации данных.
Вы имеете большую и сложную фурмулу (представленную в виду НС) , и в ней с помощью методов "обучения НС" всего лишь настраиваете необходимые параметры.
Т.о. НС или какая-то другая формула -- неважна. Важна точность приближения аппроксимации к черному ящику.
Но почему НС сейчас выигрывают -- да все потому что у них тысячи и миллионы параметров, которые нужно настроить - т.о. они достаточно гибкие. Но ни о каком интеллекте тут речи нет.