自动加载优化

Question

我有一个连续值数据集{input，target}。输入（x）维度是224，目标（y）维度是1。y值的范围是（0,1）。只有大约1000个数据点。我的目标是最大化函数y=f（x）（假设它存在），也就是说，找到一个x的值（这个x在给定的数据集中可能不存在）来产生一个更接近1的y。 最好的方法是什么

我的想法是首先训练一个神经网络来拟合数据。然后利用autograd特征在输入端得到df/dx，引导x的梯度下降路径，即用神经网络作为黑盒，也可以产生梯度。输出处的错误为（1-y）。我缺少必要的关键字来搜索这种时尚的解决方案。这是可行的方法吗？其他可用的方法是什么