Как создать свой набор данных и модель для нейронной сети LSTM Задать вопрос

Задано 7 лет, 5 месяцев назад Изменено сегодня Просмотрено 438 раз

Задано 7 лет, 5 месяцев назад

3 $\begingroup$ У меня есть определенная математическая задача, и я не уверен, какую модель выбрать для создания нейронной сети LSTM. В моей стране сейчас существует система, в которой определенные группы исследователей загружают информацию о продуктах научного интереса, таких как статьи, книги, патенты, программное обеспечение и т.д. В зависимости от количества продуктов система присваивает каждой группе классификацию, которая может быть A1, A, B и C, где A1 – самая высокая классификация, а C – минимальная. Классификация проводится с помощью математической модели, в которой используются такие показатели, как общее количество каждого продукта, сумма всех продуктов, число авторов и другие индексы, вычисляемые на основе предыдущих значений. Получив значения, эти значения обрабатываются набором формул, и конечный результат – одно число. Это число находится в диапазоне, предоставленном математической моделью, и таким образом группа классифицируется. Я хочу сделать так, чтобы при заданном текущем классе группы предлагались различные значения для улучшения ее классификации. Например, если есть группа с классификацией C, предложить, сколько продуктов она должна иметь, сколько у нее авторов, какие значения должны иметь ее индексы, чтобы ее категория в итоге стала B. Я думаю, что структура моей сети должна быть следующей: -1 вход, который будет представлять желаемую классификацию. – Множество выходов, по одному для каждого продукта и индекса. Но я не понимаю, как сделать так, чтобы сеть учитывала текущую классификацию группы, помимо количества продуктов и значения текущих индексов. Если у вас есть какие-либо дополнительные вопросы по этой проблеме, пожалуйста, не стесняйтесь задавать их. Я ценю ваши предложения. нейронные сети глубокое обучение нейронные сети с рекуррентными связями начало работы улучшите вопрос подпишитесь Jun 26, 2018 at 22:07 LP0 83 4 4 бронзовые значки Добавить комментарий | 2 Ответа 2 отсортировано по: Сбросить по умолчанию Наивысший рейтинг (по умолчанию) Измененный дата (новые первыми) Созданный дата (старые первыми) 0 $\begingroup$ Почему вы хотите использовать нейронную сеть LSTM? LSTM является вариантом рекуррентной нейронной сети, рекуррентные нейронные сети используются для "последовательных" задач, то есть набор данных должен иметь определенную последовательную структуру, например, стихи, песни и т.д. Ваша модель должна быть простым классификатором; как только вы подгоните простой классификатор, такой как случайный лес на наборе категорий продуктов, авторов и т. д., у вас будет модель, которая будет предсказывать класс на основе этих атрибутов, затем вы можете сказать, какие значения вам нужно иметь, исходя из границ решения модели. Если взаимосвязь между атрибутами еще проще, вы можете попробовать построить графики распределений. улучшите ответ подпишитесь ответил Jun 29, 2018 at 11:05 thecomplexitytheorist 776 3 3 серебряные значки 19 19 бронзовые значки Добавить комментарий Jul 5, 2018 at 17:51 Добавить комментарий Я думал, что могу использовать ее, потому что я чувствовал, что моей нейронной сети должно быть памяти для выдачи точных рекомендаций. Например, если есть группа юристов, система не должна рекомендовать их для создания статей о медицине, но это может быть допустимым предложением, если у них есть продукты, связанные с медициной, в профиле группы. Все ли это простое классификатор, если у меня есть модель с одним входом, который будет представлять классификацию и 100 выходами, каждый из которых представляет продукт и его соответствующее количество для достижения этой классификации? LP0 – LP0 2018-07-05 17:51:12 +00:00 Комментировано Jul 5, 2018 at 17:51 Добавить комментарий Если вы хотите варьировать определения результатов, проблема заключается в оптимизированном сегментации/кластеризации, а не в классификации. Для кластеризации можно попробовать методы скрытых классов. улучшите ответ подпишитесь ответил Aug 1, 2018 at 17:57 narasimha m 1