输入和输出维度不固定的神经网络

数据挖掘 深度学习 机器学习模型 训练 降维 特征
2022-03-02 03:50:52

我想知道它是否存在可以处理不同维度的输入和输出的模型/方法。

例如,假设我们可以拥有的最大信息数是 6 个特征和 5 个输出。然后我可以有 4 个功能和 3 个输出的示例。

较少的输入特征总是与较少的输出相关。并且关系保持不变。只有 4 个功能,我只有 4 个输出,依此类推。

最重要的是,我没有它们并不是因为缺少知识,而是因为在同一个问题领域中,我可以拥有所有 6 个功能,或者更少。

是否有可能创建一个处理此类事情的模型?

我认为的另一个解决方案是只使用一个简单的深度网络,以最大数量的特征和输出作为维度,并value = 0在我缺少特征或缺少目标时使用 a。但这完全破坏了训练表现

1个回答

如果您正在寻找具有不同输入和输出数量的神经网络架构,循环神经网络LSTM等就是示例。它们用于自然语言处理,其主要目标是检查句子中的模式。但我非常怀疑它们是否适用于您的用例,因为没有提供有关它的信息。

另一种方法是创建具有不同输入/输出大小的多个神经网络,使得输入/输出大小是相似输入/输出大小组的平均值。