Je cherche à développer un réseau neuronal simple dans PyTorch ou TensorFlow pour prédire une valeur numérique basée sur plusieurs entrées.

Par exemple, si l'on dispose de données décrivant les paramètres de confort intérieur d'un bâtiment, le NN doit prédire la valeur numérique de la consommation d'énergie.

Les exemples et les didacticiels documentés de PyTorch ou TensorFlow sont généralement axés sur la classification et les séries dépendantes du temps (ce qui n'est pas le cas). Une idée sur quel NN disponible dans ces bibliothèques est le mieux pour ce genre de problèmes? Je cherche juste un indice sur le type, pas sur le code. Merci!

-3
mihail-bogdan carutasiu 4 nov. 2019 à 12:47

1 réponse

Meilleure réponse

Le type de problème dont vous parlez s'appelle un problème de régression. Dans de tels types de problèmes, vous auriez un seul neurone de sortie avec une activation linéaire (ou aucune activation). Vous utiliseriez MSE ou MAE pour former votre réseau.

Si votre problème est une série chronologique (où vous utilisez des valeurs précédentes pour prédire la valeur actuelle / suivante), vous pouvez essayer de faire des prévisions de séries chronologiques à plusieurs variables à l'aide de LSTM.

Si votre problème n'est pas une série chronologique, vous pouvez simplement utiliser un réseau neuronal à action directe. Cet article explique très bien les concepts de corrélation des données et vous pourriez trouver utile de décider quel type de réseaux de neurones utiliser en fonction du type de données et de sortie que vous avez.

0
csoham 4 nov. 2019 à 09:54