我想使用任何人工智能技术使用多个参数对元素进行分类。我已经使用人工神经网络（ANN）来做到这一点，效果很好。我现在的目的是在不使用我用来训练网络的所有输入参数的情况下对对象进行分类。我是说：
假设我已经用 10 个参数训练了我的网络。然后，我想只用 3 个参数（每个实例的不同参数）来测试我的网络。我可以用某种 ANN 来做，还是有其他系统来做？
（数字显然只是一个例子）
我认为我的问题在很多情况下很有用，因为在某些情况下，您可能有很多过去（及时）的信息，并且您想在未来对对象进行分类（并且您可能没有足够的信息）。
我认为你需要一个推荐系统。在处理大量不确定（或根本不知道）的数据时，这样的系统很有用。网络和文献中有许多材料很好地解释了这个主题。
编辑： 教授提供了很好的解释。Andrew Ng 在https://www.coursera.org/course/ml
根据评论，这里有一些指南：xavier.amatriain.net/PFC/mramirez-recommender.pdf infolab.stanford.edu/~ullman/mmds/ch9.pdf
如果未知参数的数量和 ANN 大小不是很大，那么我会尝试对未知参数进行积分。这可以通过对未知参数的随机值进行多次采样并对网络的相应输出进行平均来以数值方式完成。这里的问题是，ANN 的运行次数随着未知维度的数量呈指数增长。如果输入的分布是已知的，这种方法应该会变得更加准确。
此外，通过分配输入，分析集成成为一种选择。在这种情况下，似乎只有第一层的传递函数受到影响。因此，您需要推导出积分的解：
Tnew(other inputs)=integral(p(x|other inputs)*T(x,other inputs),x=min_x..max_x)，其中p是未知参数的条件分布，T是第一层的传递函数，Tnew是所有参数已知的第一层的新传递函数。