使用神经网络进行关系发现

Question

假设我正在以固定的速率(例如每秒一次)对多个信号进行采样，并从这些信号中提取一些指标，例如，一个与另一个的比率、变化率、相对变化率等。

我听说神经网络在发现关系方面很有用。这是真的吗？

如果是这样，我可以使用哪些书籍/互联网资源来了解有关如何做到这一点的更多信息。

正在进行的处理是Java，所以对您的所有答案进行Java倾斜将是最好的。

谢谢

Answer 1

最有可能的情况是，您需要确定某种“窗口”，比如最后10个样本。你可以将你的信号归一化成一个10个“双精度”的数组，在-1和1之间进行归一化，这将形成神经网络的“输入”。所以你会有10个输入神经元。然后你必须决定你想要的输出是什么。也许你有100个不同的分类，你可能想要将信号分类到其中。如果是这样的话，你将有100个不同的输出神经元，当它们识别特定的信号时，每个神经元都会经过训练，产生比其他输出神经元更高的输出。

在输入层和输出层之间，神经网络通常有一个或多个隐藏层。这些只是为神经网络提供了额外的功能。

对于Java神经网络编程，您可以尝试使用Encog project。还有一个DotNet版本的Encog。

Answer 2

这是事实。您可以使用NN发现关系。问题是，在进行校准后，很难解释权重。因此，它们有点像黑匣子(比其他数据挖掘算法更难)。

实际上，我建议探索MS Analysis Services附带的神经网络算法。在开始编程之前，这是一个学习NNets的好方法(因为它是一个服务器服务，所以您可以从java调用它)。