将边界条件应用于Keras输出

Question

我有一个周期值为pi（即pi+a = a）的周期值（角度）。给定一组输入，我正在Keras中训练神经网络以输出此值。该网络的性能非常好，除了在边界0和pi之外（如果真值是0或pi，则其预测是随机的）。可以在this histogram中看到。有人知道为什么吗？我可以以某种方式在训练中包括边界吗？或者说如果它预测pi+a，则真值是a时，它就可以正确预测并且不需要更新其权重和偏差？谢谢。

Answer 1

在数据中出现不连续行为的任务上，神经网络的性能不佳。特别是在像您这样的角度数据上。为了规避您的问题，您可以先对目标值进行三角变换。实际上只不过是将内核应用于数据。假设您的定期输出数据为y=0...π。然后，您的新目标是双值向量y_hat=[sin(2y), cos(2y)]。让您的网络针对y_hat进行训练，同时在推理过程中执行反向转换y=.5 atan2(y_hat)以获取原始值。