问题描述
我正在寻找以下问题的解决方案： 我的神经网络具有8个功能和6个输出。
网络会预测图中的某些信息，其中一条记录与图中的节点有关。 当我拥有所有具有相同邻居度的示例（节点）时，它可以完美地工作。 现在，我需要它也可以用于邻居较少的节点，但采用一般形式，这意味着我不知道它们有多少。
因此，当邻居不存在时，我尝试将其设置为零，但所有的预测都奇怪，根本不正确。
所以我的问题是：有没有一种方法可以使我在训练期间可以关闭一些输入神经元，以查看该示例具有多少有效功能？
更准确地说：NN所采用的第一个示例具有完整的邻居，因此我有8个值；第二个有6个值，所以我想关闭2个输入神经元，依此类推。
有什么想法吗？
解决方法
一个可行的简单解决方案是将某个功能声明为不相关。因此，您只需指定一个值即可使模型得知该迭代中不应使用它。因此，当您将值设置为零时，模型只会认为其为零，因此含义不明确。但是，如果将其设置为-1 e.G.但您的数据中根本不会出现-1，因此该模型可能能够得知-1表示不存在的功能，并将更多的注意力放在其他功能上。