预测神经网络中的输入

时间:2020-03-11 05:27:35

标签: machine-learning keras neural-network

是否可以在“ Keras神经网络”中预测特定输出的输入?

例如,我有一个包含 28个输入 3个输出的数据集。因此,我在Keras中训练了模型,效果很好。现在,我必须在输出中输入特定的值,并且必须预测该特定输出的输入是什么。

2 个答案:

答案 0 :(得分:0)

我不是100%肯定我正确理解了这个问题,但是如果您要构建一个可以接受输入并预测输出的模型,那么您将需要训练第二个模型来预测来自输出的输入,其中您交换输入和输出,以使输出为输入,而输入为输出。尽管这可能很烦人,但您可能必须构建一个单独的网络来预测每个输入变量。

要解决此问题,如果可以接受输入的近似值,可以考虑使用autoencoders。自动编码器是一种无监督的人工神经网络,它学习如何有效地压缩和编码数据,然后学习如何将数据从缩减的编码表示形式重构回尽可能接近原始输入的表示形式(您可以在此处阅读更多内容: https://towardsdatascience.com/auto-encoder-what-is-it-and-what-is-it-used-for-part-1-3e5c6f017726)。

答案 1 :(得分:0)

是的,绝对有可能从输出中预测输入。实际上,您所描述的实际上是一个自动编码器。

比方说,您有经过MNIST培训的NN。然后,如果您使用分类层的输出来训练自动编码器的解码器,则会大致了解输入。

但是,这并不是最好的方法。最好的方法是将潜在空间简单地视为“输出”,然后将此输出馈送到:

a):1层分类,可为您提供预测的输出和

b):解码器

这将为您提供预测的输出和原始图像