Sono un Programmatore industriale, e sono qui per chiedere aiuto. Non ho molta esperienza nel settore IA, ma ho visto qualcosina sul deep learning in Python.
Andiamo al dunque. C'è un Sistema chiuso, che genera un set di numeri esadecimali, 12 byte, in una sequenza temporale di ogni 180 secondi.
Io e il mio Team avremmo bisogno di prevedere la sequenza successiva, analizzando le sequenze precedenti.
Ma sappiamo che è impossibile. Ma noi abbiamo trovato una "sorta" di logica.
Supponiamo di prendere le ultime 140 sequenze escludendo l'ultima conosciuta
Ora, selezioniamo tutte le sequenze dove non è presente neanche un numero appartenente all'ultima sequenza.
Ora, da queste sequenze selezionate, raccogliamo una distinta dei valori presenti presi una sola volta. Otterremo quindi un insieme considerevolmente grande di numeri da scartare dall'insieme totale dei numeri possibili nella nuova sequenza, ovvero da 0 a 255.
In altre parole, otteniamo un insieme ridotto di valori possibili. Ed è davvero ridotto, secondo in nostri elaborati.
Questa analisi è ripetibile su tutto lo storico che sbbiamo accumulato in 2 anni.
Ora, quello che vorremmo realizzare è uno script in grado di imparare dalle sequenze numeriche, indicando quali di queste è da scartare e quali no, immagino abbinando ad ogni array di insiemi di 12 valori un secondo array di 140 booleani, così da imparare a riconoscere o a creare un modello tale da prevedere la sequenza di booleani datoun array di 140 insiemi di 12 valori.
Pensate che si possa realizzare?
Se si, come?
non conoscendo il contesto, con le informazioni che hai fornito, potrei pensare ad una codificazione di errori, e tempi ma in quel caso ci dovrebbe essere una sequenza "parlata"... della serie, primi ttt.code = tempo secondi zzz.code= classe errore terzi yyy.code = tipo di errore... vi saranno delle conversioni da qualche parte, se è una macchina vi sarà un libretto tecnico....
ecc...