我可以使用 DNN 生成一个向量，使该向量与数据相乘的损失函数得到优化

Question

我想知道，是否可以使用深度学习来获得向量

U

，使得

M(U.*X)

的最大值应该被优化。其中

M

是已知且恒定的矩阵，

.*

是逐点乘法，

X

是从数据库中随机选择的数据向量，例如10^5个不同的向量。

让我解释清楚： 深度学习的输出应该是一个向量

U

，它与我的数据向量

X

具有相同的维度，这样向量

U

与数据

X

的逐点乘法也乘以众所周知的矩阵

M

具有更小的最大值。

我不知道在那种情况下应该输入什么，以及如何生成向量。另外，我们应该避免出现

U = 0

.

的情况

这种情况可行吗？我们该怎么做？