计量测量误差的Keras神经网络预测。

Question

我有包含x-y平面上点坐标的示例数据（例如 例2.0000，4.0000），接下来用蒙特卡罗方法，随机误差小 添加到这些坐标以模拟由 计量机器。你知道吗

这听起来可能很琐碎，但我不确定下一步如何处理这些数据，我试图建立一个模型来预测测量误差，但我在可视化整个概念时遇到了问题，即网络的输入层是否应该有接收点和点的真实坐标的神经元 模拟坐标，还是只模拟坐标？或者我应该估计一下 每个模拟点的测量误差，并与 输入层中的那些点？还有，网络应该有多少个神经元 在输出层上有，我应该如何解释这些数据？我知道这个 可能不是对问题的最好描述，但我是一个完整的 在这一领域，任何理论上的帮助或实际的例子都将受到极大的感谢。你知道吗

Answer 1

我甚至不确定这是否可能，除了点总是整数，在这种情况下，你可以不用神经网络。但是，尽管如此，以下是你问题的答案：

你应该把模拟坐标只输入模型。你知道吗

输出应该有两个神经元，一个输出维数x的估计误差，另一个输出维数y。你知道吗

训练过程如下：将模拟的点放到网络输入层，让网络预测x和y轴的误差，然后将预测结果与真实（正确）的结果进行比较。如果预测值是正确的，则转到下一个样本（坐标对），如果它们不相同，则使用反向传播和SGD更新权重。根据您的数据，对所需的epoch数重复此过程（微调epoch数，使其不太低也不太高）。你知道吗

我希望这能帮你解决问题：）