Для себя У меня есть задача разработать нейросеть, которая станет решением для неточного поиска. В процессе обучения нейронки необходимо расширить ее возможности до прогнозирования событий в тот или иной день будущего, на основе расчета повторяемости тех или иных событий в разные дни прошлого и расчета «предрасположенности» (дополнительных факторов) в настоящем, которая теоретически увеличивает вероятность того или иного события в конкретный день. Например, при военных действиях возрастает риск терактов, при длительном застаивании тектонических плит повышается вероятность землетрясений и т.д. Также необходимо учитывать ожидания специалистов в конкретной области. Например, ученые ожидают землетрясение в том или ином районе - это повышает вероятность. Также нейросеть может учесть и другие факторы, не обозначенные выше. Заказчик вводит определенный ключевой запрос и интервал времени, а алгоритм выдает все события, подходящие под ключевой запрос, за этот период, рассчитывая количество дней между событиями. Далее нейросеть должна рассчитать вероятность события, подходящего под критерии ключевого запроса, в определенный день. Третий вид запросов – когда Заказчик вводит определенную дату из будущего без ключа, а нейросеть расписывает вероятность тех или иных событий в эту дату. ПРИМЕРЫ Запрос 1: Пожар во Франции январь 1990 – декабрь 2023 . 1. Пожар в туннеле под Ла-Маншем 18 ноября 1996. Интервал - … дней 2. Пожар в Монбланском туннеле 24 декабря 1999. Интервал - … дней 3. Пожар в Нотр-дам-де-Пари 15 апреля 2019 И т.д. Запрос 2: Пожар во Франции 15 апреля 2024 Вероятность: 0,32%. Всего проанализировано n событий. Всего проанализировано n факторов. Запрос 3: 18 ноября 2024 Землетрясение: 0,5% (n событий, n факторов) Извержение вулкана: 1,35% (n событий, n факторов) Теракт: 2,15% (n событий, n факторов) Пожар: 1,55% (n событий, n факторов) И т.д. Мне нужна помощь с составлением архитектуры этой нейросети, выбором функций потерь и метрик, а также методов и алгоритмов обучения. Ещё хотелось бы получить от вас темы (или даже может ресурсы), в которые надо углубиться для реализации этой нейросети.