stoy tratando de crear un modelo simple basado en el aprendizaje profundo para predeciry=x**2 Pero parece que el aprendizaje profundo no puede aprender la función general fuera del alcance de su conjunto de entrenamiento.

e manera intuitiva, puedo pensar que la red neuronal podría no ajustarse a y = x ** 2 ya que no hay multiplicación involucrada entre las entradas.

Tenga en cuenta que no estoy preguntando cómo crear un modelo que se ajuste ax**2. Ya lo he logrado. Quiero saber las respuestas a las siguientes preguntas:

¿Es correcto mi análisis?Si la respuesta a 1 es sí, ¿no es el alcance de predicción del aprendizaje profundo muy limitado?Existe un mejor algoritmo para predecir funciones como y = x ** 2 tanto dentro como fuera del alcance de los datos de entrenamiento?

Path para completar el cuaderno:https: //github.com/krishansubudhi/MyPracticeProjects/blob/master/KerasBasic-nonlinear.ipyn

input de entrenamiento:

x = np.random.random((10000,1))*1000-500
y = x**2
x_train= x

código de entrenamiento

def getSequentialModel():
    model = Sequential()
    model.add(layers.Dense(8, kernel_regularizer=regularizers.l2(0.001), activation='relu', input_shape = (1,)))
    model.add(layers.Dense(1))
    print(model.summary())
    return model

def runmodel(model):
    model.compile(optimizer=optimizers.rmsprop(lr=0.01),loss='mse')
    from keras.callbacks import EarlyStopping
    early_stopping_monitor = EarlyStopping(patience=5)
    h = model.fit(x_train,y,validation_split=0.2,
             epochs= 300,
             batch_size=32,
             verbose=False,
             callbacks=[early_stopping_monitor])


_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense_18 (Dense)             (None, 8)                 16        
_________________________________________________________________
dense_19 (Dense)             (None, 1)                 9         
=================================================================
Total params: 25
Trainable params: 25
Non-trainable params: 0
_________________________________________________________________

Evaluación en conjunto de pruebas aleatorias

El aprendizaje profundo en este ejemplo no es bueno para predecir una función no lineal simple. Pero bueno para predecir valores en el espacio muestral de datos de entrenamiento.