我正在使用神经网络来预测动态系统的行为。使用系统过去的快照在线训练神经网络。系统以不规则的时间间隔改变其状态，每当发生这种情况时，过去训练实例的一部分就会变得无效。我可以检测到状态的变化，也可以识别出无效的实例。问题是我怎样才能让经过训练的神经网络“忘记”或“忘记”某些实例？
如何让经过训练的神经网络“忘记”一个实例？
机器算法验证
机器学习
神经网络
预测模型
2022-04-13 20:41:46
1个回答
这取决于您使用的神经网络的类型。单层感知器可以通过从每个节点中减去您根据激活或未激活的特征和输出训练的迭代次数的 eta 值来做到这一点。
如果您使用任何优化技术，例如提前停止，但是由于网络在训练期间动态调整，因此没有任何意义。如果您想从训练集中合并或排除数据，我会改用 KNN 之类的无监督学习模型，或者保存数据并使用提前停止等方法重新训练网络，以优化下一版本的输出没有您试图“忘记”的数据实例的模型
其它你可能感兴趣的问题