用 keras 逼近答案

【问题标题】：Approximation with keras用 keras 逼近
【发布时间】：2019-05-19 01:49:54
【问题描述】：

我正在尝试使用 keras 模型来近似函数，该模型只有一个隐藏层，无论我做什么 - 我都无法达到必要的结果。

我正在尝试使用以下代码来实现

from __future__ import print_function
from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import Adam

from LABS.ZeroLab import E_Function as dataset5

train_size = 2000

# 2 model and data initializing
(x_train, y_train), (x_test, y_test) = dataset5.load_data(train_size=train_size, show=True)

model = Sequential()

model.add(Dense(50, kernel_initializer='he_uniform', bias_initializer='he_uniform', activation='sigmoid'))

model.add(Dense(1, kernel_initializer='he_uniform', bias_initializer='he_uniform', activation='linear'))

model.compile(optimizer=Adam(), loss='mae', metrics=['mae'])

history = model.fit(x=x_train, y=y_train, batch_size=20, epochs=10000, validation_data=(x_test, y_test), verbose=1)

It's function that loads from dataset5

It's comparison of model prediction with testing data

我尝试用不同的优化器和神经元数量（从 50 到 300）来拟合这个网络，但结果是一样的。

我应该改变什么？

【问题讨论】：

数据集在某处可用吗？
你应该使用标准神经网络吗？数据看起来像一个时间序列，所以我会使用 RNN 或其他东西，但我只是想确定一下。我对它预测数据的中间部分并不感到惊讶，因为这基本上就是它的优化目标
@Ian Quah 是的，我应该使用标准神经网络。我试着用 NN 来近似这个函数，它有 2 个隐藏层，结果要好得多。您可以通过以下链接查看它github.com/DanilaEremenko/NeuralNetwork/blob/demo/LABS/…我的朋友使用matlab，他用1个隐藏层和非常小的损失来近似这个函数，使用与NN相同的结构。
@sdcbr 你可以在这里看到数据集的可视化i.stack.imgur.com/VX2f5.png

标签： python tensorflow machine-learning keras approximation

【解决方案1】：

我找到了解决方案！主要问题是火车数据。我忘了在拟合之前洗牌 x_train 和 y_train 。我成功地用 2 个隐藏层逼近它，但我仍然无法用 1 个隐藏层逼近它。

【讨论】：