Povedzme, že mám model
h (t) = F [h (t-1), h (t-2), u (t-1)
kde F [] je nelineárna funkcia premenných zahrnutých vo funkcii.
Tak napríklad h (t) môže byť:
h (t) = h (t-1) + u (t-1) + h (t-1)
Teraz, kvôli môjmu problému, mám k dispozícii len dátovú sériu u (t). Nemám sériu h (t), ani model nepoznám.
Môžem použiť nástroj Neural Network Toolbox na vytvorenie dobrého nelineárneho odhadu h (t) len poskytnutím u (t)? Ak áno, akú neurónovú sieť používam?
odpovede:
1 pre odpoveď č. 1Pre mňa je to ako učiť detinásobenia bez toho, aby ste niečo naznačovali, čo by mohlo byť správnym riešením. Mali by ste byť aspoň schopní poskytnúť nejakú funkciu fitness, ktorá odhaduje, ako dobre vaše ANN vykonáva. Potom môžete použiť optimalizačný algoritmus (napr. CMA-ES) na optimalizáciu ANN.
1 pre odpoveď č. 2
Predpokladám, že h (t (t-1), h (t-2), ...) je časová séria. ) časové rady h a (u (t-1), u (t-2), ...) časové rady u, Takže ste vhodný model ANN so znalosťou aktuálnej hodnoty pre h volaný h (t) a predchádzajúce historické časové rady pre u (časové rady u).
Ak by ste mohli nájsť funkciu h (t) bez vedomia predchádzajúceho h časové rady potom by ste nemali funkciu h (t-1), h (t-2) atď. Matematicky by to znamenalo, že nemáte závislosť na historických hodnotách h.
Je možné, že pre určité domény váš model mohol presne predpovedať h (t) dané hodnoty časové rady u len taký model by som neveril, pretože:
- hovoríte to h (t) má nelineárnu závislosť na predchádzajúcich hodnotách pre h (t) a
- spomínaš časové rady h na prvom mieste
To ma vedie k presvedčeniu, že budete používať model v doménach, kde časové rady h je dôležitá a pretože model je nelineárny, môže sa chyba dramaticky zvýšiť, akonáhle sa dostanete mimo vašej oblasti. Ešte horšie, bez vedomia h časové rady nebudete ani vedieť, kde je oblasť "dobrej fit".
Ak ste mali model, mohlo by to byť nejaký zložitý spôsob, ako dostať h časové rady daný h (t) a u časové rady ale nemyslím si, že to je to, čo sa pýtate.