Python 3.x “设计考虑”;经常性;基于Keras和Tensorflow的神经网络
我目前正在做我的年级项目。本项目的主要目标是建立一个人工智能辅助的库存系统。我目前的方法是使用神经网络“教导”系统如何根据其当前状态(当前库存)和伪随机需求进行操作。网络的输入应为当前库存,网络应输出公司应订购给定产品的数量,以最大限度地减少因缺乏库存和库存水平而造成的销售损失(模型不应输出疯狂的数量,因为保持库存需要金钱)。一次运行的输出应用于根据当前库存、当前需求和订单(输出本身)计算下一次运行的输入。我面临的问题是,我只需要一个初始状态(时间为0时的库存)来训练模型,但我不知道如何设置这样的kera。也许有人能给我指一个有用的资源来解决这个问题。对我来说,似乎我需要定义一个自定义损失函数,并可能为系统创建一个自定义层(我知道如何定义函数和库存更新规则,但我不知道如何告诉Keras如何处理它们) 我认为您不需要创建自定义图层或自定义损耗。 在我看来,你应该遵循的步骤是:Python 3.x “设计考虑”;经常性;基于Keras和Tensorflow的神经网络,python-3.x,tensorflow,optimization,keras,Python 3.x,Tensorflow,Optimization,Keras,我目前正在做我的年级项目。本项目的主要目标是建立一个人工智能辅助的库存系统。我目前的方法是使用神经网络“教导”系统如何根据其当前状态(当前库存)和伪随机需求进行操作。网络的输入应为当前库存,网络应输出公司应订购给定产品的数量,以最大限度地减少因缺乏库存和库存水平而造成的销售损失(模型不应输出疯狂的数量,因为保持库存需要金钱)。一次运行的输出应用于根据当前库存、当前需求和订单(输出本身)计算下一次运行的输入。我面临的问题是,我只需要一个初始状态(时间为0时的库存)来训练模型,但我不知道如何设置这样
查看弗朗索瓦·乔利特(François Chollet)撰写的关于如何与RNNs合作的解释。非常感谢您的见解,我将对此进行研究。