機械学習によるプラントのマッピング

Question

数値入力に基づいて特定の数値出力を行うプラントのデータセットがあります。データセットには、入力値と出力値が15年ごとに数年間格納されます。

ソフトウェアのシステムの物理的特性をモデル化するには高価すぎるので、システムとして動作する機械学習モデルを作成したいと思います。入力を入力するとき、モデルは出力を提供する必要があります。

解決策として、私はフィードフォワードニューラルネットワークをテストしました。結果はOKですが、場合によっては不正確です。

この問題には他にどのような方法がありますか？

Answer 1

時系列タスクの場合は、ニューラルネットワークまたはLSTMネットワークのNARXアーキテクチャを使用できます。後はNARXのようなリカレントニューラルネットワークです。 Matlabは最初の実装を提供しています。

https://en.m.wikipedia.org/wiki/Nonlinear_autoregressive_exogenous_model

https://en.m.wikipedia.org/wiki/Long_short-term_memory

あなたは「単に」あなたは最高の作品どちら見るために異なる程度の多項式で基本的な線形回帰を使用することができ、データへの多項式をフィットします。 注：リニアモデルにしかフィットしないため、線形とは呼ばれません。

https://en.m.wikipedia.org/wiki/Linear_regression

いくつかの他の可能性は、このようなカーネルリッジ回帰やSVRなど、カーネルメソッドです。後の1つは、（通常は私の個人的な経験から分類するために）通常はかなりよく機能するサポートベクターマシンに基づいています。 SVRを試してみたいのであれば、libSVMという小さくてすばらしいlibを使うことができます。 Matlabもこれを提供しています。

次のリンクは、このアルゴリズムの比較を示しています

http://scikit-learn.org/stable/auto_examples/plot_kernel_ridge_regression.html

編集：私はこれを正しく理解していれば、あなたが未来の時間t+1の出力を予測する場合、それは時系列仕事です与えられた時刻からt。 NARXモデルまたはLSTMネットを試してみてください。