基于小序列的后续序列预测

Question

我是全新的机器学习，我有一个问题，我想解决使用一些人工智能左右。如果你能给我推荐一些具体的算法，神经网络体系结构或相关的阅读材料，我将不胜感激。

我正在做基于鼠标移动预测用户意图的研究。目前，我正处于一个没有具体数据集的分析阶段。目标是通过预测鼠标轨迹来预测用户意图的目标(例如按钮，其中用户将点击)。

，让我介绍一下问题

我有很多序列。每个序列的长度可能不同。作为输入，我将传递一些较小的序列，以便预测下一个x值。所以我想知道下一个可能的序列(或更多的可能序列)。输出序列的长度(x)也可以是可变的。也许序列就在这里结束？预测应“实时”进行。

，那么这些序列是什么？

序列表示经过预处理后的二维空间中的运动方向.每个值都是间隔<0,8>的整数。算法应该能够增加区间的上限(16，32，.)。实际上，这个值是插值的角度。

​

​

三个例子序列。真正的序列会大得多。

我怎么想象解决方案？

序列将根据某些相似点进行聚类。当生成序列数据集时，将训练一些神经网络尽可能快地检索包含输入序列作为子序列的序列。

聚类

匹配子序列应具有一定的容错性。序列3，3，3，3，2类似于3，3，4，3，2=偏差公差*。或序列4，3，3，2也类似于4，3，3，3，3，2=连续重复值的耐受性。

*我可以分辨出两个值之间的差别，即相对数

​

​

如果输入为1,2,2,2 -红色，则输出应为4,3,2,2。

如果输入是3,3,3,2 -蓝色-输出应该是2。

神经网络

经过一些研究，我发现了Hopfield网络，它应该给出最相似的序列。但后来我意识到我的序列长度是可变的，Hopfield网络体系结构需要二进制值。

我可以以某种方式创建序列的二进制表示，但我不知道如何管理可能变化的长度。

，让我们把它提升到另一个级别，

如果序列中的每一个值不是标量而是速度向量(d，s)，其中d是方向，s是速度，那该怎么办？

相关问题

1. 神经网络可以“在线”训练吗？所以不需要知道以前的火车数据集，只需提供新的数据集。
2. 神经网络能否在服务器端(例如python)进行训练，但用于客户端的预测(javascript)？
3. 神经网络是否有某种“短期记忆”-预测会受到2-3个先前预测的影响？
4. 最重要的是，我应该使用神经网络还是其他方法？

感谢每个人。

请随时纠正我的英语。

Answer 1

神经网络可以“在线”训练吗？所以不需要知道以前的火车数据集，只需提供新的数据集。

通常情况下，你不会不断地训练一个安。你训练它，直到你的错误在容忍范围内，然后使用该模型前进，作出预测。如果你想定期调整模型的话，你可以每天晚上存储这些信息并对网络进行再培训，但这很可能不会带来太大的改善，而且有可能导致长期的不良数据扭曲你的模型。

神经网络能否在服务器端(例如python)进行训练，但用于客户端的预测(javascript)？

那得看情况。您是否打算使用经过训练的模型来进行客户端预测，或者您是否打算让用户操作对该模型进行实训，该模型立即用于预测？如果模型已经经过培训，您可以使用它来预测用户事件。如果模型没有经过培训，那么您就有可能出现坏数据破坏模型的风险。像这样的现场培训还需要不断更新客户端的模型设置，并使用服务器生成的新模型。

神经网络是否有某种“短期记忆”-预测会受到2-3个先前预测的影响？

不建议使用以前的预测作为输入。它将熵引入到系统中，如果模型连续做了几个错误的预测，就可以使模型大大偏离可靠的预测。您可以尝试它，在这种情况下，您需要输入层上的n*k额外节点，其中n是您想要使用的先前预测的数量，k是预测中的输出值数。

最重要的是，我应该使用神经网络还是其他方法？

ANNs对于预测事物非常有用。最大的问题是定义范围，以及进行预测所需的相关可靠数据。我制作了一个可以预测电子游戏市场波动的网络，有成千上万的输入值，但是预测鼠标的移动将是一个挑战。没有什么能阻止用户在一个圆圈中移动鼠标数小时，或者把光标放在一个位置上。每次您对这样的行为进行采样时，它都会使您的模型更有可能预测此类行为。良好的训练数据和受控的环境是必不可少的。电子游戏将为预测鼠标移动创造一个糟糕的环境，因为用户的行为比以前的鼠标动作更依赖于用户的行为。不过，网站将是一个有利的环境，就像在会话期间，用户通过有限的空间以可预测的方式导航。