我正在建立一个回归器ANN（MLP，所有节点上的ReLU，Adam优化器）来对工业过程进行建模。我正在训练我的模型，以预测输入A1将如何受到该过程的影响，因此我具有输入A1，B和C，输出为ΔA（A2-A1）。但是，我在预测中发现了一个有趣的趋势。看来误差与ΔA成反比（线性关系）。对于较低的ΔA值，该误差从高开始，并且在某些时候，该误差从正变为负，并继续减小（即绝对值增大）。因此，换句话说，我得到了有偏见的预测错误。
据我所知，我已经对ANN进行了优化。我用来分析错误的所有参数都处于合理的水平。
我不确定这到底是什么意思。这是否表示我选择的输入不能完全解释A的变化，还是ANN的缺陷？很抱歉，如果没有实际看到我的ANN或数据，很难知道。另一方面，是否有一种“让ANN知道”这种趋势正在发生以便可以纠正的方法？
OBS .：如果我使用相同的输入并以A2作为输出而不是ΔA来训练我的网络，则该模型可以很好地工作。可以发现更低的误差，并且没有发现预测误差的趋势。这就是为什么我认为我的意见足以解释这一过程的原因之一（即不应遗漏拼图）。