训练集的神经网络相互依赖

Question

是否可以创建一个前馈神经网络，其中训练集 相互依赖。比如说，我想训练一个网络来预测 产品的排名。我会将产品拆分为功能 x1、x2、x3、... 并创建一个神经网络，其中每个输入神经元代表一个特征，输出神经元代表产品的评分。

但是如果我有一个额外的限制条件：一个用户每个月只有 100 个评分点， 所以一个用户的评分总和永远不会超过 100。现在网络应该预测 对于一位用户，他将如何在给定的产品列表上分配他的 100 个评分点。这可以通过前馈网络实现吗？

Answer 1

有趣的问题！

我个人会尝试这样看待它：

培训：

首先以通常的方式训练网络。您使用的训练集必须满足约束！

预测：

1. 使用您训练的前馈网络预测评分，而不考虑约束（理想情况下，它应该离 100 不远，因为您使用的训练集满足约束）

2. 然后将您的问题视为一个优化问题，您希望通过尽可能少地更改评分和每个评分来满足 100 分约束（例如，您可以有一个优化标准来最小化增量)