假设我的向量为1 x N {X_1 ... X_n}和{X_1'... X_n'}，其中每个X和X'相关，但是该关系无法通过函数建模。我想通过输入X_i并输出维度N x 1的Y_i来训练神经网络，从而使norm（（X_i'）（Y_i））最大化。约束条件是Y_i的范数为1（否则我将在Y_i中使用尽可能大的数字）。
我不使用X_i'作为输入，因为它们在现实生活中不可用。我希望当我通过向其馈送{X_n + 1 ... X_k}来测试神经网络时，它将输出{Y_n + 1 ... Y_k}，其中norm（（X_n + 1'）（Y_n + 1））是最大化。再次提醒您，在测试时我只有{X_n + 1'... X_k'}，而在现实生活中不会使用神经网络。
我尝试定义自定义张量流或keras损失函数，但它们似乎不起作用。我也尝试使用神经网络首先从X_i预测X_i'，但是性能不是很好。
这方面的困难是定义没有标签的损失函数，并使神经网络使用该损失函数进行反向传播。有什么想法可以实现吗？