我有一个连续值数据集 {input, target}。输入 (x) 维度为 224，目标 (y) 维度为 1。y 的值介于 (0,1) 之间。只有大约 1000 个数据点。我的目标是最大化函数，y = f(x)（假设它存在），即找到 x 的值（这个 x 可能不存在于给定的数据集中）以产生更接近 1 的 y。什么是最好的方法去做这个？
我的想法是首先训练一个神经网络来适应数据。然后使用 autograd 特征在输入处得到 df/dx，为 x 引导梯度下降路径，即使用神经网络作为也可以产生梯度的黑盒。输出错误为 (1-y)。我缺乏必要的关键字来搜索这种时尚的解决方案。这是一种可行的方法吗？其他可用的方法是什么？