Algorithm 如何使用经过10个参数训练的人工神经网络对3个参数的实例进行分类？_Algorithm_Machine Learning_Artificial Intelligence_Neural Network

Algorithm 如何使用经过10个参数训练的人工神经网络对3个参数的实例进行分类？

algorithm machine-learning artificial-intelligence neural-network

Algorithm 如何使用经过10个参数训练的人工神经网络对3个参数的实例进行分类？,algorithm,machine-learning,artificial-intelligence,neural-network,Algorithm,Machine Learning,Artificial Intelligence,Neural Network,我想使用任何人工智能技术，使用几个参数对元素进行分类。我用人工神经网络（ANN）来做这件事，效果很好。我现在的目的是在不使用我用来训练网络的所有输入参数的情况下对对象进行分类。我的意思是：假设我用10个参数训练了我的网络。然后，我只想用3个参数（每个实例的参数不同）测试我的网络。我可以用某种人工神经网络来做吗，或者有其他系统来做吗？（显然，数字只是一个例子）我认为我的问题在很多情况下都是有用的，因为在某些情况下，你可能有很多过去的信息（及时的），你想在将来对对象进行分类（而且你可能没有足够

我想使用任何人工智能技术，使用几个参数对元素进行分类。我用人工神经网络（ANN）来做这件事，效果很好。我现在的目的是在不使用我用来训练网络的所有输入参数的情况下对对象进行分类。我的意思是：

假设我用10个参数训练了我的网络。然后，我只想用3个参数（每个实例的参数不同）测试我的网络。我可以用某种人工神经网络来做吗，或者有其他系统来做吗？
（显然，数字只是一个例子）

我认为我的问题在很多情况下都是有用的，因为在某些情况下，你可能有很多过去的信息（及时的），你想在将来对对象进行分类（而且你可能没有足够的信息）。

我认为你需要一个推荐系统。这样的系统在处理大量不确定（或完全未知）数据时非常有用。网络和文献中有许多材料很好地解释了这个主题
编辑： Andrew Ng教授在
中提供了很好的解释。根据评论，以下是一些指南： xavier.amatriain.net/PFC/mramirez-recommender.pdf
infolab.stanford.edu/~ullman/mmds/ch9.pdf
如果未知参数的数量和ANN大小不是很大，那么我会尝试对未知参数进行积分。这可以通过对未知参数的随机值进行多次采样并对网络的相应输出进行平均来实现。这里的问题是，ANN的运行次数与未知维数成指数增长。如果已知输入的分布，该方法应该更精确
此外，有了输入分布，分析集成成为一种选择。在这种情况下，似乎只有第一层的传递函数受到影响。因此，您需要导出积分的解：
Tnew（其他输入）=积分（p（x |其他输入）*T（x，其他输入），x=min_x..max_x）
，其中
p
是未知参数的条件分布，
T
是第一层的传递函数，
Tnew
是第一层的一个新传递函数，所有参数都已知。
我不确定是否完全遵循。你有一组训练分类器的
k
特征，你正试图用
d
特征进行分类。到目前为止还不错-但是这些d 特性是不变的吗？它总是原始k 的同一个子集吗？（如果否-问题非常有用！！）与您的问题不完全相关，但您可能想了解降维技术。它与模糊逻辑类似吗？了解推荐系统的一个好指南是：