いくつかのパラメーターを使用して要素を分類するために、人工知能の手法を使用したいと思います。私は人工ニューラル ネットワーク (ANN) を使用してそれを行いましたが、良い結果が得られました。ここでの目的は、ネットワークのトレーニングに使用したすべての入力パラメーターを使用せずにオブジェクトを分類することです。つまり：
10 個のパラメーターを使用してネットワークをトレーニングしたとします。次に、3 つのパラメーター (インスタンスごとに異なるパラメーター) のみでネットワークをテストしたいと思います。ある種のANNでそれを行うことはできますか、それともそれを行う別のシステムはありますか?
(数字は明らかに一例です)
私の質問は多くの場合に役立つと思います。なぜなら、おそらく過去からの多くの情報を持っている可能性があり、将来のオブジェクトを分類したい場合があるからです（そしておそらく十分な情報を得ることができません）。
推薦システムが必要だと思います。このようなシステムは、多くの不確実な (またはまったく知られていない) データを扱う場合に役立ちます。Web や文献には、このトピックをよく説明している資料がたくさんあります。
編集： 教授によって非常に良い説明が提供されています。https://www.coursera.org/course/mlのアンドリュー・ング
コメントに基づいて、いくつかのガイドがあります: xavier.amatriain.net/PFC/mramirez-recommender.pdf infolab.stanford.edu/~ullman/mmds/ch9.pdf
未知のパラメーターの数と ANN のサイズがそれほど大きくない場合は、未知のパラメーターを統合してみます。これは、未知のパラメーターのランダムな値を数回サンプリングし、対応するネットワークの出力を平均化することで、数値的に実行できます。ここでの問題は、ANN の実行回数が未知の次元の数に応じて指数関数的に増加することです。入力の分布がわかっている場合、この方法はより正確になるはずです。
また、入力の分布があるため、分析統合がオプションになります。この場合、最初のレイヤーの伝達関数のみが影響を受けるようです。したがって、積分の解を導き出す必要
Tnew(other inputs)=integral(p(x|other inputs)*T(x,other inputs),x=min_x..max_x)がありpます。TTnew