Как провести правильный многослойный персептрон на интервальных данных

Question

У меня есть набор данных о дневной температуре за пару лет. Данные представлены в виде интервала, включая дневную высокую температуру и дневную низкую температуру.

Я хочу сделать прогнозирование данных, и недавно я прочитал несколько статей, в которых упоминается, что многослойный персептрон имеет преимущество для этого. Однако после прочтения газеты я все еще озадачился. Я знаю, что для его проведения мне понадобится ввод, скрытый слой и вывод. Но в Matlab, хотя у меня уже есть код, я все еще не знаю, как его смоделировать. Что я должен поставить в качестве входных и выходных данных, я должен поставить интервал данных в качестве входных и выходных? И как я могу выбрать скрытый слой?

Answer 1

Входные данные в сети MLP - это данные входных объектов, для которых вы пытаетесь предсказать результат. Выход - это то, что вы пытаетесь предсказать. Для скрытого слоя, который будет определять, насколько хорошо он прогнозирует, который вы хотите иметь настолько большой, насколько это необходимо для достижения разумных результатов прогнозирования. Слишком большое значение, и оно просто запоминает данные, а не обобщает шаблон во время обучения.

Например, если ваш входной слой будет таким, какой это день года (1-365), каков был максимальный день и минимальный дневной. И я предполагаю, что высокая и низкая температура будет на следующий день?

Чем больше у вас соответствующих функций ввода, тем лучше будет сеть.