Я столкнулся с этой проблемой:
Мне нужно построить FFNN, который должен аппроксимировать неизвестную функцию f:R^2 -> R^2
. Данные, которыми я располагаю для проверки сети, представляют собой одномерный R-вектор. Я знаю функцию g:R^2->R
, которая будет отображать вывод сети в пространство моих данных. Поэтому я бы использовал нейронную сеть в качестве фильтра от предвзятости данных. Но столкнулся с двумя проблемами:
Во-первых, как я могу обучить свою сеть таким образом?
Во-вторых, я думаю о добавлении дополнительного скрытого слоя, который отображает R^2->R
и позволяет сети самостоятельно находить правильные карты, а затем удалять дополнительный слой. Будет ли этот алгоритм правильным? А именно, будет ли результат таким же, как я искал?