通过人工神经网络优化向量

Question

我有一个具有8000个随机值的向量，并希望对其进行优化，以在我拥有的最佳8000个向量上将每个值（点）近似为其各自的最佳值。因此，基本上将随机向量转换为最佳向量。我在想是否可以使用某种交叉熵函数来完成这种低谷NN，但是没有运气，收敛不会发生。关于如何解决矢量优化问题的任何想法？这是我尝试过的：

model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Dense(128, input_shape=(8000,), 
activation=tf.nn.sigmoid,  use_bias=True))
model.add(tf.keras.layers.Dense(8000, activation=tf.nn.relu,  use_bias=True))
model.compile(optimizer  = tf.keras.optimizers.Adam(lr=0.01, epsilon=None, 
decay=10**-4),  loss='sparse_categorical_crossentropy', metrics= 
['accuracy'])

我确实知道这种尝试有点愚蠢。但是我是第一时间做的