最适合预测的神经网络模型

由七个不同的数值去预测另一个数，最适合的神经网络是那种啊？
请指导一下的迷惑啊

问题太宽泛
你这数值是什么？时间序列还是一个7维度的变量？预测一个数，这个数是离散的，还是连续的？

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 帮你找了个相似的问题, 你可以看下: https://ask.csdn.net/questions/756708
• 你也可以参考下这篇文章：基于神经网络的蒙文手写字母识别的一些研究（卷积神经网络）
• 您还可以看一下 阿勒拉哈老师的深度学习快速入门课程中的 感性认识神经网络小节, 巩固相关知识点
  
• 除此之外, 这篇博客: 【深度学习】聊一聊什么是卷积神经网络，卷积是什么意思？中的 卷积神经网络 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

  卷积神经网络一般用来做图像识别的，就比如下面这种情况，输入x/o通过卷积神经网络（CNN）就可以识别出来他们是x还是o。
  

  不仅可以识别整整齐齐的这种图片，就比如下面这种不规则的也可以识别。
  
  这里我简化像素值，认为黑色是-1，白色是1。
  

  我们可以将规则的x和不规则的x进行对比。发现虽然它们不是一模一样，但是局部是存在相同部分的。
  
  所以卷积神经网络的第一步就是把图片的局部特征进行提取。然后将这些局部特征交给神经网络。然后由神经网络来做判别。

  这里我们可以使用三个卷积核对特征进行一个提取。分别为左上到右下为1，x的位置是1，左下到右上都是1。
  

  下面这种情况就是刚好匹配。最后结果为1；
  

  然后将所有的图像都进行一次卷积操作。最后我们就可以得出三张卷积后的图像。
  
  至于之后的池化啊、归一化等等后面再说。

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^