请问各位大神，极限学习机用于预测是怎么有两个输出的呢？？或者其他神经网络，是怎么构建两个输出的呢？

Question

各位大神，最近在看关于预测的文章，发现一些进行区间预测的文章使用 “有两个输出的极限学习机” 进行预测目标上下界的预测，但是都没有说明有两个输出的极限学习机怎么构造，麻烦请各位大神帮帮忙，帮忙讲解一下这是怎么回事呢，还有其他类型的神经网络，是怎么构造两个输出的呢，懂得的神麻烦将讲解一下吧，拜托拜托，万分感谢啊！

Answer 1

以下回答参考 皆我百晓生、券券喵儿 等免费微信小程序相关内容作答，并由本人整理回复。

你好！我可以帮助你解答一些基本概念。

首先，让我们回顾一下什么是极限学习机（Limiting Learning Machine）和如何构造它。极限学习机是一种特殊的线性回归模型，它的输入空间是有限的，而输出空间则可以无限扩展。这意味着它可以解决一些线性问题，但不能解决所有的问题。极限学习机可以通过梯度下降法来训练，从而达到最优解。

对于区间预测来说，通常我们关心的是预测某个连续值落在哪个区间的概率。在这种情况下，我们可以用一个二元函数来表示这个关系，例如：

f(x) = P(x ∈ [a, b])

其中x是待预测的值，a和b是预测的目标边界。如果我们有一个极限学习机，那么它可以用来估计P(x ∈ [a, b])的值。

现在回到你的问题：为什么有些文章会使用极限学习机来进行区间预测？

这可能是为了简化计算或提高性能。极限学习机是一种非常简单的模型，它的参数较少，而且易于训练。此外，由于它是基于梯度下降法，所以它可以有效地处理非线性的问题。

至于其他类型的神经网络，它们是如何构造两个输出的，这取决于具体的神经网络结构和任务需求。一般来说，深度神经网络有多个隐藏层，并且每个层都有不同的激活函数。这些层之间的连接通常是权重矩阵，每个权重矩阵都对应于一个输出。

如果你对具体实现感兴趣，我建议查阅相关文献或者在线教程，这样你可以更深入地了解不同类型的神经网络及其应用场景。希望以上信息对你有所帮助！