Neural network Python神经网络预测

我正在从事一个项目，我有两个不同的数字：

1-第一个数字的最大值为1500，最小值为200

2-第二个数字最大值为200，最小值为10

3-我想创建神经网络，添加样本并训练网络以预测最后一个数字，例如：

900,67 equals 87
870,99 equals 100
1000,50 equals ?

---

什么类型的神经网络可以用于我的项目？

在本例中，输入两个值，得到一个值

import numpy as np
import keras
from keras import Sequential
from keras.layers import Dense
import matplotlib.pyplot as plt

MIN = np.random.rand(100)*500
MAX = np.random.rand(100)*500 + 500
x = np.concatenate((MIN.reshape(-1,1),MAX.reshape(-1,1)),axis = 1)
y = np.sin(x[:,0])*500 + np.cos(x[:,1])*500

x_max = x.max()
y_max = y.max()
x = x/x_max
y = (y-y.min())/(y_max-y.min())
model = Sequential()
model.add(Dense(200,input_dim = 2, activation = 'relu'))
model.add(Dense(100, activation = 'sigmoid'))

model.add(Dense(100, activation = 'sigmoid'))
model.add(Dense(1,activation = 'relu'))
opt = keras.optimizers.Adam(learning_rate=0.001, beta_1=0.6, beta_2=0.97, amsgrad=False)
model.compile(loss='mean_squared_error',optimizer=opt , metrics=['mse'])
model.fit(x, y, epochs=10000, batch_size=2)

y_hat = model.predict(x)
plt.figure(figsize=(10,5))
plt.plot(y)
plt.plot(y_hat.reshape(-1))

结果是：

您需要对神经网络进行预处理和后处理，对输入进行规格化，并对输出进行重新校准。这是输入：

使用示例：

In [10]: model.predict(np.array([0.234,0.567]).reshape(-1,2))
Out[10]: array([[0.61975896]], dtype=float32)

---

在本例中，输入两个值并得到一个

import numpy as np
import keras
from keras import Sequential
from keras.layers import Dense
import matplotlib.pyplot as plt

MIN = np.random.rand(100)*500
MAX = np.random.rand(100)*500 + 500
x = np.concatenate((MIN.reshape(-1,1),MAX.reshape(-1,1)),axis = 1)
y = np.sin(x[:,0])*500 + np.cos(x[:,1])*500

x_max = x.max()
y_max = y.max()
x = x/x_max
y = (y-y.min())/(y_max-y.min())
model = Sequential()
model.add(Dense(200,input_dim = 2, activation = 'relu'))
model.add(Dense(100, activation = 'sigmoid'))

model.add(Dense(100, activation = 'sigmoid'))
model.add(Dense(1,activation = 'relu'))
opt = keras.optimizers.Adam(learning_rate=0.001, beta_1=0.6, beta_2=0.97, amsgrad=False)
model.compile(loss='mean_squared_error',optimizer=opt , metrics=['mse'])
model.fit(x, y, epochs=10000, batch_size=2)

y_hat = model.predict(x)
plt.figure(figsize=(10,5))
plt.plot(y)
plt.plot(y_hat.reshape(-1))

结果是：

您需要对神经网络进行预处理和后处理，对输入进行规格化，并对输出进行重新校准。这是输入：

使用示例：

In [10]: model.predict(np.array([0.234,0.567]).reshape(-1,2))
Out[10]: array([[0.61975896]], dtype=float32)

---

您可以提供代码来生成数据或示例数据集吗？由于您提到了“数字”，我认为这是一个回归问题，所以您可以从“回归的前馈网络”开始。试试看，然后发布你的Python代码，我相信我们能帮上忙！由两个传感器产生的数据。我将尝试发布代码。您提供代码来生成数据，还是提供示例数据集？由于您提到了“数字”，我认为这是一个回归问题，所以您可以从“回归的前馈网络”开始。试试看，然后发布你的Python代码，我相信我们能帮上忙！由两个传感器产生的数据。我将尝试发布代码