Neural network 如何在神经网络中实现这一点

我使用自动编码器进行无监督学习。我在想，（在测试时）跳过一个输入是否会影响输出精度，因为我的输入都是名义输入和数字输入。在没有一个输入的情况下，它是否能够保持在输入之间学习到的关系并准确预测

我在想[测试时]跳过一个输入是否会影响输出的准确性

你的问题很笼统，但简言之：这要看情况而定

例如，如果您有1000个输入，并且培训规模为1000000，那么“跳过一个输入”可能仍然有效。然而，如果有两个输入，那么跳过一个输入将产生巨大的差异

然而，为了提高恢复力，您的网络结构可以允许更好地识别错误输入的模式。有一个假设，但出于理论目的，我将在给定某些假设的情况下概述一种可能的方法

假设有足够数量的输入，并假设有足够数量的测试数据，您可以从系统中创建N个隐藏的神经网络，每个神经网络对应于N-1个输入的组合。这将很难实现，但也有可能，事实上有更好的方法（但下一段会有更多）。然后在你的训练集中，如果你跳过其中一个输入，这些隐藏的网络中的一个将被非常准确地训练用于这个输入。通过这种方式，可以训练您的网络以允许丢失输入

---

实际上，您不需要独立地考虑丢失输入的N种可能性中的每一种。神经网络有很多异花授粉，所以一个足够密集的隐藏网络应该很好。

你问的是一个非常普遍的问题，有太多可能的答案。过去半个世纪的研究论文都在回答这样的问题。请看下面：）这是一个很好的起点：谢谢你们的回复，你们的观点是正确的。我尽量简单，让问题变得易懂。现在已编辑问题，请再次检查。感谢@Jhon的建议和回答