숫자 입력을 기반으로 특정 숫자 출력을 만드는 시스템의 데이터 세트가 있습니다. 데이터 세트에는 15 분마다 몇 년 동안 입력 값과 출력 값이 포함됩니다.기계 학습을 통한 플랜트 매핑
소프트웨어에서 시스템의 물리적 특성을 모델링하는 데 너무 비싸기 때문에 시스템으로 작동하는 기계 학습을 사용하여 모델을 만들고 싶습니다. 입력을 입력 할 때 모델은 출력을 제공해야합니다.
해결 방법 : Feedforward 신경망을 테스트했습니다. 결과는 좋지만 경우에 따라서는 정확하지 않습니다.
이 문제는 다른 어떤 방법을 사용할 수 있습니까?
시간차 작업 인 경우 신경망 또는 LSTM 네트워크의 NARX 아키텍처를 사용할 수 있습니다. 나중의 재발 성 신경망과 같습니다. Matlab은 첫 번째 구현을 제공합니다. https://en.m.wikipedia.org/wiki/Long_short-term_memory
는 "단순히"가장 하나가 작동하는보고 서로 다른 정도의 다항식으로 기본 선형 회귀를 사용할 수있는 데이터에 대한 다항식에 맞게하려면
https://en.m.wikipedia.org/wiki/Nonlinear_autoregressive_exogenous_model
. 참고 : 선형 모델에만 적합하기 때문에 선형이라고 부르지 않습니다.https://en.m.wikipedia.org/wiki/Linear_regression
일부 다른 가능성은 커널 능선 회귀 또는 SVR과 같은 커널 방법이 있습니다. 나중에 하나는 일반적으로 꽤 잘 수행하는 지원 벡터 머신을 기반으로합니다 (적어도 내 개인적인 경험으로 분류하려면). SVR을 사용해보고 싶다면 libSVM이라고하는 작지만 훌륭한 lib를 사용할 수 있습니다. Matlab도이를 제공합니다.
다음 링크는이 알고리즘의 비교를 보여줍니다
http://scikit-learn.org/stable/auto_examples/plot_kernel_ridge_regression.html
편집 : 난을 제대로 이해한다면 당신은 미래의 시간 t+1의 출력을 예측하려는 경우, 그것은 시계열 작업의 주어진 시간부터 t. NARX 모델이나 LSTM 네트를 사용해보십시오.
입력 및 출력에 대한 추가 정보를 제공해 주시겠습니까? 그것은 회귀 모델을 찾고있는 분류 자입니까? –
@BastianSchoettle \t 내 데이터 세트는 365 패턴 (매일 1 년)으로 구성됩니다. 하나의 패턴은 96 개의 부동 소수점으로 구성됩니다 (매 15 분마다). 출력과 동일합니다. 회귀 모델을 찾고 있는데 – MerklT