我有一些示例数据，其中包含x-y平面上点的坐标（对于 示例2.0000、4.0000），接下来使用蒙特卡洛方法，则随机误差较小 被添加到这些坐标以模拟一组由 计量机器。
这听起来似乎是微不足道的，但是我不太确定接下来要处理这些数据，而是试图建立一个模型来预测测量误差，但是我在可视化整个概念方面存在问题。网络的输入层是否应具有接收这些点的真实坐标的神经元，并且 模拟坐标还是仅模拟坐标？也许我应该估计 每个模拟点的测量误差，并将其与 输入层中的那些点？此外，网络应包含多少个神经元 在输出层上有，我应该如何解释这些数据？我知道这个 可能不是问题的最好描述，但我是一个完整的 初学者，因此任何理论帮助或实际示例将不胜感激。
答案 0 :(得分：-1)
我什至不确定这是否可行，除了点始终是整数，在这种情况下，您可以在没有神经网络的情况下执行此操作。但是，尽管如此，这是您问题的答案：
您应该只将模拟坐标放入模型的输入中。
输出应有2个神经元，其中1个将输出维度x的估计误差，另一个将输出维度y的误差。
训练过程如下：将模拟点放置到网络输入层，让网络预测x和y轴的误差，然后将预测结果与真实（正确）的。如果预测的正确，则继续进行下一个样本（一对坐标），如果它们不相同，则使用反向传播和SGD更新权重。您可以根据自己的数据重复进行此过程，以获得所需的时期数（可以对时期数进行微调，这样就不会太低也不会太高）。
我希望这可以为您解决问题：）