我可以建立一个只有一个输入的预测神经网络模型吗？答案

【问题标题】：Can I build a prediction neural network model with only one input?我可以建立一个只有一个输入的预测神经网络模型吗？
【发布时间】：2020-02-24 16:36:49
【问题描述】：

我有一组从视频中裁剪出来的图像，每秒 2 帧。基于此，我确实根据这些图像中的特定颜色检测响应时间。通过对没有响应时间的帧求和.. 直到下一个有响应时间的图像。

无论如何，我确实存储了这个响应时间（这只是一个数字到一个 numpy 数组中），我需要建立一个模型来预测响应时间......我需要建立一个回归模型吗？你有什么建议？

希望我的问题很清楚。

谢谢

【问题讨论】：

标签： machine-learning neural-network regression

【解决方案1】：

要直接回答这个问题，你能构建一个只有一个输入的神经网络吗？

从技术上讲，当然，您可以用一个输入音符在物理上构建一个 NN。但是，这对于实际预测任何事情都是完全没用的。

考虑什么是神经网络的数学基础。这是一个线性代数表达式：

W = [w(0,0), w(0,1) ... w(0,n)
     w(1,0), w(1,1) ... w(1,n)
     ...
     w(k,0) ...         w(k,n)]

a = [a(0), a(1), ... a(n)]

bias = [bias(0), bias(1), ... bias(n)]

s = some normalizing function

such that:

b = s(W*a+bias)

现在假设我们将其压缩为单个输入节点。我们的网络表达会发生什么变化？

它变成了一行的函数！这不是你可以用数据集“训练”的东西。那里没有什么可以训练的！

因此，为了使神经网络有效，我们需要以一种可以分布在大量节点上的方式来构建我们的数据集。

我不完全确定此处设置的问题是什么，但您的第一步需要规范数据结构。是否是间隔时间，一组像素上的 RGB 值，我不知道；在没有看到数据或一些代码的情况下，很难在这一点之后提供帮助。但是有一些一般性的建议。

祝你好运！

【讨论】：