我使用ENCOG实现了一个降维算法，该算法将包含多个特征的数据集A减少为仅有一个特征的数据集B（我需要这个用于时间序列分析）。

现在我的问题是，如果我从B中得到了一个由时间序列分析预测的值，我能否将其转换回像A数据集那样的二维形式？

回答：

在自编码器中，降维（信息压缩）是可逆的。自编码器是一种中间层带有瓶颈层的常规神经网络。例如，你可能在第一层有20个输入，中间层有10个神经元，最后一层又有20个神经元。当你训练这样的网络时，你迫使它将信息压缩到10个神经元，然后再次解压缩，以最小化最后一层（期望的输出向量等于输入向量）的误差。当你使用众所周知的反向传播算法来训练这样的网络时，它会执行PCA – 主成分分析。PCA返回不相关的特征。其功能不是很强大。

通过使用更复杂的算法来训练自编码器，你可以使其执行非线性ICA – 独立成分分析。ICA返回统计上独立的特征。这种训练算法寻找具有高泛化能力的低复杂度神经网络。正则化的副产品是你得到了ICA。