是否可以在训练集中创建前馈神经网络 相互依赖。比方说，我想训练网络进行预测 对产品的狂热。我会将产品分成x1，x2，x3等特征...... 并创建一个神经网络，其中每个输入神经元代表一个特征，输出神经元代表产品的评级。
但如果我有一个额外的约束怎么办：用户每月只说100个评分， 所以一个用户的评级总和永远不会超过100.现在网络应该预测 对于一个用户，他如何在给定的产品列表上分发他的100个评级点。这可以通过前馈网络实现吗？
答案 0 :(得分：0)
有趣的问题！
就个人而言，我会试着这样看：
培训
首先按照通常的方式训练网络。您使用的训练集必须满足约束条件！
<强>预测：
使用您训练的前馈网络预测评分，无论约束如何（理想情况下，由于您使用的训练集满足约束条件，因此理想情况下不应远离100）
然后将您的问题视为一个优化问题，您希望通过尽可能少地更改评级并尽可能少地评估每个评分来满足100点约束（您可以拥有一个优化标准，例如最小化增量） ）