Keras - NN 预测计量测量中的误差。 [关闭]

【问题标题】：Keras - NN prediction of error in metrological measurement. [closed]Keras - NN 预测计量测量中的误差。 [关闭]
【发布时间】：2019-04-04 16:38:08
【问题描述】：

我有示例数据，其中包含 x-y 平面上的点坐标（对于示例 2.0000 , 4.0000)，接下来使用蒙特卡罗方法，一个小的随机误差被添加到这些坐标中以模拟由 a 测量的一组点计量机。

这听起来可能微不足道，但我不确定接下来要如何处理这些数据，我试图建立一个预测测量误差的模型，但我在可视化整个概念时遇到了问题，即。网络的输入层是否应该有接收点的真实坐标的神经元和模拟坐标，还是仅模拟坐标？或者我应该估计每个模拟点的测量误差，并将其与坐标一起使用输入层中的那些点？此外，网络应该有多少神经元在输出层上有，我应该如何解释这些数据？我知道这个可能不是问题的最佳描述，但我是一个完整的该领域的初学者，因此任何理论帮助或实际示例将不胜感激。

【问题讨论】：

标签： python tensorflow machine-learning neural-network keras

【解决方案1】：

我什至不确定这是否可能，除了点总是整数，在这种情况下你可以在没有神经网络的情况下做到这一点。但是，尽管如此，以下是您问题的答案：

您应该只将模拟坐标放入模型的输入中。

输出应该有2个神经元，1个输出维度x的估计误差，另一个输出维度y的估计误差。

训练过程如下：将模拟点放到网络输入层，让网络预测x和y轴的误差，然后将预测结果与真实结果进行比较（正确）那些。如果预测正确，则继续下一个样本（坐标对），如果它们不相同，则使用反向传播和 SGD 更新权重。您根据您的数据重复此过程以获得所需的时期数（微调时期数，使其不会太低也不会太高）。

我希望这能为你解决问题:)

【讨论】：