← Вернуться к списку

Машинное обучение для прогнозирования значений матрицы 8x8 с использованием трех независимых матриц.

Краткое содержание

Problem Statement У меня есть 4 основных входных признака. Это небольшой фрагмент данных для лучшего понимания. Имя катушки -> например, катушка AND index_1 -> [0.001169, 0.005416, 0.01391, 0.03037, 0.06381, 0.1307, 0.2645, 0.532] index_2 -> [7.906e-05, 0.001123, 0.00321, 0.007253, 0.01547, 0.03191, 0.06478, 0.1305] значения -> [[11.0081, 14.0303, 18.8622, 27.3426, 43.8661, 76.7538, 142.591, 274.499], [11.3461, 14.3634, 19.1985, 27.6827, 44.2106, 77.0954, 142.926, 274.879], [12.258, 15.2816, 20.1095, 28.5856, 45.1057, 77.9778, 143.8, 275.758], [13.665, 16.7457, 21.5835, 30.0545, 46.5581, 79.4212, 145.252, 277.192], [15.6636, 18.9526, 23.9051, 32.4281, 48.9011, 81.7052, 147.477, 279.371], [17.8838, 21.5839, 26.8957, 35.7103, 52.3901, 85.2132, 150.89, 282.714], [19.3338, 23.6933, 29.7184, 39.1212, 56.4053, 89.9721, 155.913, 287.637], [18.7856, 23.9999, 31.1794, 41.7549, 60.0043, 95.0488, 162.951, 295.005]] Моя задача —

Полный текст

Машинное обучение для прогнозирования значений матрицы 8x8 с использованием трех независимых матриц Задать вопрос

Задано 7 лет, 2 месяца назад Изменено сегодня Просмотрено 930 раз

Задано 7 лет, 2 месяца назад

2 $\begingroup$ Описание проблемы У меня четыре основных входных признака. Это небольшой фрагмент данных для лучшего понимания. Имя шлюза -> например, AND Индекс_1 -> [0,001169, 0,005416, 0,01391, 0,03037, 0,06381, 0,1307, 0,2645, 0,532] Индекс_2 -> [7,906e-05, 0,001123, 0,00321, 0,007253, 0,01547, 0,03191, 0,06478, 0,1305] Значения -> [[11,0081, 14,0303, 18,8622, 27,3426, 43,8661, 76,7538, 142,591, 274,499], [11,3461, 14,3634, 19,1985, 27,6827, 44,2106, 77,0954, 142,926, 274,879], [12,258, 15,2816, 20,1095, 28,5856, 45,1057, 77,9778, 143,8, 275,758], [13,665, 16,7457, 21,5835, 30,0545, 46,5581, 79,4212, 145,252, 277,192], [15,6636, 18,9526, 23,9051, 32,4281, 48,9011, 81,7052, 147,477, 279,371], [17,8838, 21,5839, 26,8957, 35,7103, 52,3901, 85,2132, 150,89, 282,714], [19,3338, 23,6933, 29,7184, 39,1212, 56,4053, 89,9721, 155,913, 287,637], [18,7856, 23,9999, 31,1794, 41,7549, 60,0043, 95,0488, 162,951, 295,005]] Моя задача — предсказать эти значения матрицы, учитывая, что у меня есть индекс_1 и индекс_2. Изначально эта матрица значений была задержкой распространения, рассчитанной с помощью симулятора под названием SPICE. Где я столкнулся с проблемой Нет никакой письменной связи между Индексом_1, индексом_2 или значениями, поскольку симулятор рассчитывает это значение с использованием своих собственных моделей. Я создал CSV-файл, содержащий данные в отдельных столбцах. Другой подход, который я задумал. Если бы я мог предоставить индекс_1, индекс_2 и любую 5x5 подматрицу, и модель могла бы предсказать значения всей матрицы 8x8. Но проблема снова заключается в том, какую модель машинного обучения мне следует использовать. Подходы, которые вы пытались применить Итак, я попытался использовать CNN-модель для этого, но она выдает мне очень низкую точность. Я использовал одну полную связанную нейронную сеть, но она переобучается данным и не дает мне никаких значений для матрицы. Я все еще застрял в том, как предсказать значения матрицы с учетом этих данных. Какие другие стратегии можно использовать? машинное обучение глубокое обучение