假设存在一组物理参数和一组可能依赖于物理参数的输出变量。训练数据集中的一个示例由一个具有物理参数实际测量值的向量和另一个具有测量的输出值的向量组成。

据我了解，我可以训练神经网络（例如 MLP）来学习从测量输入参数到测量输出值的映射。如果可以学习模型并假设学习的关系是由于因果关系而不是某种不幸的相关性，那么对于任意输入向量，该模型可以预测输出值的向量。请注意，输入和输出之间的关系不是 1:1 映射，而是 n:1。因此，不同的参数选择可能导致相同的输出。

我想更进一步，为每个输出值定义一个间隔。然后我想知道我必须如何设置理想的输入参数值以确保输出值在相应的区间内，即如何更改输入以使输出值在范围内。我尝试将输出值作为输入输入并尝试预测物理参数，但由于输入/输出比率，我遇到了问题。我有 130 个物理参数，只有 10 个输出变量。如何使用神经网络实现这一目标？