你好机器学习者，

我们有许多对 64 x 64（或其他维度）图像（地图）。在每一对中，第一幅图像展示了每个像素的物理参数，例如风速；第二个显示每个像素的另一个物理或财务参数，例如温度或保险损失。我们想要对从第一张图像到第二张图像的预测关系进行建模。我们以前的模型通常包括使用特定领域知识来表征该领域以减少维度。现在我的同事想探索单独使用统计学习方法的可能性。

我做了一个浅薄的研究，发现这可能适合多输出回归问题。在线论坛推荐了 Melki 和 Cano 的“Multi-Target Support Vector Regression Via Correlation Regressor Chains”等论文，以及许多 Python 库。然而，我有点担心极端维度，即 4096，以及如果我们沿着这条路走下去，利用我们问题的空间结构可能会失败。

我知道 CNN 本身就适合图像识别任务。有没有人遇到过类似的问题并用神经网络攻击过？任何建议将不胜感激！

谢谢！