我不确定这是否是问这个问题的正确地方，但这里是：

有时，神经网络的两个或多个输入通常可以与单个“现实世界”实体相关。

例如：一个Height人weight预测人口疾病的概率，或者price一个volume股票预测市场的概率。

当单个训练集包含有关许多这些实体的数据时，我们如何让神经网络理解两个（或更多）输入与同一个实体相关？

在我问过的所有人中，普遍的共识似乎是：

• 神经网络不是这样工作的
• 这不可能
• 不需要这样的数据分组
• 神经网络应该找到输入之间的关系，你不应该向它提供关系
• 训练数据集需要返工/重新配置
• 我从来没有听说过这样的事情

所以，显然这不是主流。有人听说过这方面的研究吗？

附言。如果您同意上述意见（不能/不应该这样做），请提供理由。