因此，我将简要描述问题的领域，并声明我通常是神经网络和keras的初学者，因此答案对您而言可能微不足道。 我有一个由以下几行组成的数据集：
v0;v1;v2;v3;err
27;45;35;40;9.421857761389568e-17
42;23;4;10;0.15046260426547653
7;52;45;4;0.004021030533106114
8;13;21;8;3.527736174640165e-05
50;40;3;39;0.2594155190453719
..........
..........
我想根据给定的变量值预测错误。可以想像，这是一个相当简单的回归问题（在我的情况下不是线性的），我使用不同的NN模型解决了该问题（我还对数据进行了标准化处理，并对变量进行了标准化，然后对误差进行了标准化）。实际上，我用不同的致密层训练了不同的模型，发现最好的模型给我的准确度或多或少达到96.5％。
假设这是我使用keras NN模型可以达到的最佳结果（也许没有关系，但这并不重要），我还提供了有关要用于提高准确性的域的其他信息。实际上，错误值在某种程度上还取决于不同v值之间的某些关系。我知道
如果v0<v3 and v1<v3 and v3<v2，则错误是最低的，而如果违反了其中的某些关系，则错误会以某种方式增加。
那么，有没有一种方法可以让NN模型也了解那些关系，并且如果不存在或存在违规，则错误的减少或增加？我在网上阅读了一些论文和一些资料，发现可能可以用图形表示这些依赖关系，然后在当前的NN模型中放置一个或多个GNN层，以尝试改善最终结果。这只是一个主意，我不知道这是否可能做到，以及这是否是最好的选择。有什么想法吗？
非常感谢能帮助我的人！