我是否可以使用神经网络来获得输出序列的估计，而只知道输入？

Question

假设我有一个模型

h(t) = Fh(t-1)，h(t-2)，...，u(t-1)，u(t-2)，...

其中F[]是包含在函数中的变量的非线性函数。

例如，h(t)可以是：

h(t) = h(t-1) + u(t-1) + h(t-1)*u(t-1) + h(t-1)*h(t-2)

现在，为了解决我的问题，我只有可用的数据序列u(t)。我没有h(t)的级数，也不知道模型。

是否可以使用神经网络工具箱通过提供u(t)来生成h(t)的良好非线性估计？如果是这样，我应该使用哪种神经网络？

Answer 1

对我来说，这就像是教孩子们乘法，而不给出任何可能的正确解决方案。你至少应该能够提供某种适应度函数来估计你的ANN的表现有多好。然后你可以使用进化算法(例如CMA-ES)来优化你的ANN。

Answer 2

我假设(h(t-1)，h(t-2)，...)是一个时间序列。我称之为(h(t-1)，h(t-2)，...) 时间序列h和(u(t-1)，u(t-2)，...) 时间序列u。因此，您正在使用称为h(t)的h的当前值和u(时间序列u)的先前历史时间序列的知识来拟合ANN模型。

在给定时间序列u_的值的情况下，对于某些域，您的模型可能会准确地预测h(t)，但我不会相信这样的模型，因为：

这使我相信，您将在时间序列h很重要的领域中使用该模型，并且由于该模型是非线性的，一旦超出拟合区域，误差可能会急剧增加。更糟糕的是，如果不了解h时间序列，您甚至不知道“良好拟合”区域在哪里。

如果您有这个模型，那么在给定h (T)和u时间序列的情况下，获取h时间序列可能会有一些棘手的方法，但我认为这不是您要问的问题。