UC知道关于一个具体问题的bp神经网络的构建
来源：百度知道 编辑：UC知道 时间：2024/06/17 05:17:16
现在有一个问题对应6个影响它的因素，每个因素又有若干个子因素。
这个问题是用一个bp模型好呢，还是用我下面多个模型的方法好呢？
多个模型的方法：对6个不同的问题建6个bp网络（输入若干，输出为一个节点），然后分别训练稳定后再把它们的输出作为一个新的bp网络的输入，并进行有指导的训练。(应该不属于集成学习吧)这样做会有什么问题（比如误差会叠加么）？实际中，有这样干的么？这种方法有没有相关的文献啊。
举例：如a,b,c 分别是问题X的因素。a1,a2,a3,b1分别是a的子因素，b1,b2,b3,a2分别是b的子因素，b1,c1,c2,c3,a2分别是c的子因素，现在要研究a1,a2,a3,b1,b2,b3,c1,c2,c3分别对X的影响有多大？
这个问题是用一个bp模型好呢，还是用我下面多个模型的方法好呢？
多个模型的方法：对6个不同的问题建6个bp网络（输入若干，输出为一个节点），然后分别训练稳定后再把它们的输出作为一个新的bp网络的输入，并进行有指导的训练。(应该不属于集成学习吧)这样做会有什么问题（比如误差会叠加么）？实际中，有这样干的么？这种方法有没有相关的文献啊。
举例：如a,b,c 分别是问题X的因素。a1,a2,a3,b1分别是a的子因素，b1,b2,b3,a2分别是b的子因素，b1,c1,c2,c3,a2分别是c的子因素，现在要研究a1,a2,a3,b1,b2,b3,c1,c2,c3分别对X的影响有多大？
你的问题好像不清楚，没有把你要解决的问题说不来。
按我的理解你的问题如果你研究一个问题的子因素的关系的话，使用BP网络完全错了，应该用PCA和FA等方法来分析。
最重要的是搞清楚问题，方法可以找教科书。