我是機器學習中的全新人物,我有一個問題,我想用一些AI來解決問題。我會很感激,如果你會推薦我一些具體的算法,神經網絡架構或一些相關的閱讀。基於小序列的以下序列預測
我正在研究基於鼠標移動預測用戶意圖。目前我處於沒有具體數據集的分析階段。目標是通過預測鼠標軌跡來預測用戶意圖的目標(例如,按鈕,用戶將在其中點擊)。
讓我介紹這個問題
我有很多的序列。每個序列的長度可能會有所不同。作爲輸入,我會通過一些較小的序列,爲此我想預測下一個x值。所以我想知道下一個可能的序列(或更多可能的序列)。輸出序列的長度(x)也可能是可變的。序列可能在這裏結束?預測應該「實時」完成。
那麼這些序列是什麼?
序列表示經過一些預處理後二維空間中的運動方向。每個值都是間隔< 0,8>的整數。算法應該能夠增加間隔的上限(16,32,...)。實際上,這個值是插值角度。
三個示例序列。實際序列會更大。
我如何想象解決方案?
序列將根據一些相似性進行聚類。當序列數據集被創建時,一些神經網絡將被訓練以儘可能快地檢索包含輸入序列作爲子序列的序列。
聚類
匹配序列應該有一定的耐受性。序列[3,3,3,3,2]類似於[3,3,4,3,2] =偏差公差*。或者序列[4,3,3,2]也類似於[4,3,3,3,3,2] =連續重複值的容差。 *我可以將兩個值之間的差值表示爲相對數 - 0%相同方向=> 100%相反方向。
如果輸入是[1,2,2,2-] - 紅 - 輸出應爲[4,3,2,2]。
如果輸入是[3,3,3,2] - 藍色 - 輸出應該是[2]。
神經網絡
經過一番研究,我發現Hopfield網絡,這應該給最相似的序列。但後來我意識到我的序列長度是可變的,Hopfield網絡架構期望二進制值。
我可以以某種方式創建序列的二進制表示,但我不知道如何管理可能會有所不同的長度。
讓我們把它帶到另一個層次
如果什麼順序每個值不是標,但速度矢量(d,S),其中d是方向和小號是速度?
相關問題
- 能神經網絡進行培訓,「在線」?所以不需要知道之前的訓練數據集,只需要給出新的數據集。
- 神經網絡可以在服務器端訓練(例如python),但用於客戶端(javascript)預測嗎?
- 神經網絡是否具有某種「短期記憶」 - 預測會受到2-3個預測的影響?
- 最重要的是 - 我應該使用神經網絡還是其他方法?
感謝大家。
隨時糾正我的英語。