我是否可以使用神经网络来获得输出序列的估计值，只知道输入？

Question

假设我有一个模型

h（t）= F [h（t-1），h（t-2），...，u（t-1），u（t-2），...]

其中F []是函数中包含的变量的非线性函数。

例如，h（t）可能是：

h（t）= h（t-1）+ u（t-1）+ h（t-1）* u（t-1）+ h（t-1）* h（t-2）< / p>

现在，为了我的问题，我只有数据系列u（t）可供我使用。我没有h（t）系列，也不知道模型。

通过提供u（t），我是否可以使用神经网络工具箱生成h（t）的良好非线性估计？如果是这样，我会使用什么神经网络？

Answer 1

对我来说，这就像教孩子们的乘法而不给任何暗示什么是正确的解决方案。您至少应该能够提供某种适应度来估算您的ANN的表现。然后，您可以使用进化算法（例如CMA-ES）来优化您的ANN。

Answer 2

我假设（h（t-1），h（t-2），...）是一个时间序列。我打电话给（h（t-1），h（t-2），......）时间序列h 和（u（t-1），u（t-2）， ...）时间序列u 。因此，您拟合一个ANN模型，其中包含h的当前值的知识，称为 h（t），以及u的先前历史时间序列（时间序列u）。

如果你能在不知道之前的 h时间序列的情况下找到 h（t）的功能，那么你将没有h（t-1）的功能，h（t-2）等。数学上这意味着你不依赖于h的历史值。

对于某些域，您的模型可能只能准确预测 h（t）给定时间序列u 的值，但我不相信这样的模型给出的是：

1. 你说 h（t）对 h（t）和
之前的值有非线性依赖关系
2. 你首先提到时间序列h

这让我相信你会在时间序列h 很重要的领域中使用该模型，并且因为模型是非线性的，所以一旦你越过你的模型，错误会急剧增加区域。更糟糕的是，如果不了解 h时间序列，你甚至不知道“合适的”区域在哪里。

如果你有这个模型，可能会有一些棘手的方法来获得 h（t）的 h时间序列以及 u时间序列，但我认为这不是你要问的。