数学建模社区-数学中国

标题: [讨论]下一步的研究方向？ [打印本页]
作者: aqua2001    时间: 2006-11-6 17:05
标题: [讨论]下一步的研究方向？
最近突然有一个想法。我们是不是太注重建模的专业性了？本身模型就是在所有的科学当中发展的，但是如果我们把它独立来看的话，会不会失去了在具体科学中的营养？因为在科学中，每个学科都有自己的逻辑和习惯。使用能行得通的逻辑来解释来预测，来探求属于这个学科和属于整个宇宙的“原理”，才是最伟大的那些模型的发展过程。最重要的那些模型，似乎都只是寻找一种解释，使得从逻辑上自洽，从美学上完美，从哲学上符合自己对世界的认识。无论在哲学上给贴个什么标签，最终它想揭示的就是所谓“深刻原理”。但是如果我们把建模从所有的科学中提炼出来，那么被具体学科所迫切需要的“解释和预测”这个功能就会被弱化，模型也就变得更加游戏化。而且从哲理上的思考也少多了，更多地偏向了实用化和平面化。不需要思考得很深或者使用什么宇宙原理之类的词来包装自己，只要搞一些实用和暂时起效的东西就可以了。于是大家都在搞什么神经网络，什么回归，什么层次分析法之流。这样虽然避免了在哲学上的空话和夸夸其谈，但是我觉得，也干扰了创新的路径。模型也就变成了快餐型产品。<br/><br/>其实统计也是一样的道理。从行星的观测数据到开普勒的三大定律，再到牛顿的牛顿定律，本身就是个统计的过程。至少开普勒的工作是彻底的统计，而牛顿的东西是比较彻底的建模。牛顿用我们现在惯用的手段，包括神经网络，层次分析法，再用上matlab，能搞出什么来？我不相信他能搞出一样的牛顿定律来。开普勒做的工作是统计，但是他懂得多少统计？我们今天学过统计的人，学了均值方差，学了回归，学了因素分析，拿到行星运动的数据，又能有多少思路？<br/><br/>ising模型，无疑是统计力学里重要的模型之一。从局部作用如何产生整体效果的典型范例。但是，这种东西，和我们现在说的建模，真的有多大关系呢？其实有很多学生反映，这些所谓的模型，和他们接触到和要接触的建模并不是一个东西。这又该怎么说呢？是让他们建出来这种水平的模型，还是这仅仅是科普讲座，和MCM没什么关系？4 z. S% h1 c$ p1 Q. F4 }* t
[此贴子已经被作者于2006-11-6 17:37:25编辑过]
作者: aqua2001    时间: 2006-11-6 17:09
或者说，把这个学科专业化以后，跳跃性的思维会不会受限？从运动想到引力，所有力的定律，然后是瞬时的动力学，然后是把曲线的局部线性化，其实这些思路，属于真正的物理，但是是否也能属于“真正的”建模？和MCM之间的关系又如何？
作者: 347196468    时间: 2010-8-14 21:19
%获得网络的输入样本P和目标样本T8 ~& w) C( K; Q/ g) e2 A' }. ~1 I; a7 g5 K+ M& j  X
P=[1 0.6 0.1 0 0 0 0   1 0.5 0 0 0 0 0;4 K3 v* b+ @: I" G2 C& ?2 S& z; r0 F3 y6 m4 P' C7 |/ P; N6 A0 p/ r
1 0.6 0.1 0 0 0 0   0 0.5 1 0.4 0 0 0;9 |( R: l2 i; {7 p. o2 J% m! M+ z! K0 f# e0 G; F
1 0.6 0.1 0 0 0 0   0 0 0 0.4 1 0.6 0;
9 B& x+ T1 y6 m& m* r2 I) A, ^* Z% o  j1 0.6 0.1 0 0 0 0   0 0 0 0 0 0 0.8;) W( b  h! d6 V3 J9 O& b
7 H0 p  U( ?3 r# k+ ], \4 w2 Y, w0 0.6 0.6 0 0 0 0   1 0.5 0 0 0 0 0;; G6 ?) Q# P: @. f4 i& c
- L" u! _/ r! h8 B; W9 C' Y4 g0 0.6 0.6 0 0 0 0   0 0.5 1 0.4 0 0 0;$ N  F( j  A$ |- d1 k$ G/ K+ k" Y; Q
3 T+ l! e6 h& r+ O. ^) g0 0.6 0.6 0 0 0 0   0 0 0 0.4 1 0.6 0;
9 ?5 c8 v+ d8 l# h# z6 Q* |! h# _4 H2 z2 U6 _0 0.6 0.6 0 0 0 0   0 0 0 0 0 0 0.8;% V, f5 |% e2 r3 ^& D5 x$ I7 v" P( [# X+ T8 [
0 0 0.6 1 0 0 0    1 0.5 0 0 0 0 0;
2 v1 h; l& A9 F0 x" j$ h. |+ s/ }$ }2 u' J' O& Y0 0 0.6 1 0 0 0    0 0.5 1 0.4 0 0 0;8 a) l9 b# \( o. P9 U
# V' y- F! J/ [, B* f0 0 0.6 1 0 0 0    0 0 0 0.4 1 0.6 0;" h( s# ?% u' g$ h* X
% a3 k% G" R  V0 0 0.6 1 0 0 0    0 0 0 0 0 0 0.8;
# _  C4 }# Y) C, Q' r2 w( K  T- _7 x- i' b" f* G5 P- G0 0 0 0 1 0.6 0    1 0.5 0 0 0 0 0;! p$ q8 S1 V+ @9 t7 i. o+ c) e0 v2 r+ k: D9 C9 W% V& Y
0 0 0 0 1 0.6 0    0 0.5 1 0.4 0 0 0;5 e* _9 w. i: p' ]; U. H+ K# f/ v# K! ~+ X' _
0 0 0 0 1 0.6 0    0 0 0 0.4 1 0.6 0;  ^9 S7 i) L" N1 r+ {0 g& I
, W1 W& j2 ~. d4 K* A0 0 0 0 1 0.6 0    0 0 0 0 0 0 0.8]';/ Q' c' j* D1 Y9 w. a5 [
- R1 E& R2 o& z$ }' DT=[1 0.5 0 0 0 0 0 0;+ F, _7 y% q  B" Z
/ q8 j0 P1 [1 ?7 F  m/ H0 0 0 0.2 0.6 1 0.6 0.2;9 |0 X' S) @4 G% H6 `
' M5 N0 I, R/ x! D0 |1 g0 0 0 0.2 0.6 1 0.6 0.2;2 F- g1 H, Q6 j1 {  Y( S9 M5 u3 S& J( P
0 0 0 0.2 0.6 1 0.6 0.2;  q1 x6 X; g: A$ H" X4 z
% D6 e/ B1 ^( h6 V) |0.4 0.8 1 0.8 0.4 0.2 0 0;. B0 t' O$ C; n6 r7 `1 @( O
  h1 k7 Z/ Y! w( R  I* }0 0 0 0.2 0.6 1 0.6 0.2;/ y8 U  A! f( O( H( m1 J1 N' m* l' K' f% a, f( n: f
0 0 0 0 0 0.2 0.5 0.8;
+ _' e( f& b$ R) m& V7 S, T8 b) a8 J+ Z, ~8 {1 q3 Y! `( g0 0 0 0.2 0.6 1 0.6 0.2;
# q; M* {. K3 t% ^1 K. T8 E9 C. L4 s2 P- E1 M8 K8 Y) ?/ M- m0 0 0 0.2 0.6 1 0.6 0.2;( K1 W& p9 b7 r6 a7 [; a
5 U& D3 I  L8 N7 t; P# }, T0 0 0 0.2 0.6 1 0.6 0.2;; X$ w! b2 B% H$ A$ o* u
4 m6 e3 Y* J! u( n. u3 U0 0 0 0 0 0.2 0.5 0.8;9 @- C# x! B7 C( F
. e2 {, q! g& u! D* o) @! t( l4 Z0 0 0 0 0 0.2 0.5 0.8;5 }/ y1 N  S, m# m, Z* D% @7 U2 X. F' r& o) u
0 0 0 0.2 0.6 1 0.6 0.2;, Q& Q; h+ \' @+ D9 W, _6 t
1 E. M) z6 @0 {/ t9 b! Z0 0 0 0.2 0.6 1 0.6 0.2;% a& I% x. Y* b! S3 Z
- y9 i2 O) `! h, P; D4 [" O0 0 0 0 0 0.2 0.5 0.8;
# r2 J" ^+ ]& M& T7 ?' ]' ^; M+ J5 J' ?6 ?* Z0 k: e# x0 0 0 0 0 0.2 0.5 0.8]';* Q, I% \& u! M: U3 c
( x0 l- }8 I4 t* e%根据Kolmogorov定理，输入层有14个节点，所以中间层有29个节点$ f5 v3 N( Z/ H* c/ q. b& \& Q$ r9 U% a
%中间层神经元的传递函数为'tansig'! k; i* n9 a* U  |' H
4 F  _$ S% C' Z& c% }) G# y/ ~%输出层有8个节点，其神经元传递函数为logsig- o7 c6 I- y  o$ w
, \; `2 P* v% b( k0 h- u7 H6 H) `%训练函数采用traingdx* _# g; P: y% l! g
0 C& m3 c0 \* Nnet=newff(minmax(P),[29,8],{'tansig','logsig'},'traingdx');- ?/ b# _# j0 f* p8 n" w/ h" V8 q( q" z* z  b# V# J7 S8 T
%训练步数为1000次" ?8 _& L' `% A% T; |1 ?6 e2 T# V9 J% i4 P0 N2 t: u
%训练目标误差为0.001/ p% H' Y/ @$ @6 E1 {2 j3 y
  ]! [) p+ D+ cnet.trainParam.epochs=1000;* |  r9 y5 [5 H2 N5 i+ Q6 @
# G* Y4 t3 U. t; B& N) Gnet.trainParam.goal=0.001;
3 I2 R$ a- ]' A; M; H% t7 b: r8 W, G9 O+ i5 {* Lnet=train(net,P,T);; \7 P2 W, `. E+ h, o/ B# I1 l) M( r' s) r& W$ v/ \
Y=sim(net,P);
' Y5 t  \5 _- u7 k+ g: ]' a& `$ b' K& z& a%求训练值在每一个点上的误差: \5 F' N/ k7 o: x" S8 ]" S) r8 Q+ V& Q
for i=1:16
. u* H, G6 K! d- R- J6 g8 B* m8 \- W: _! N/ j    x(i)=norm(Y(:,i));
* i" o- V. @/ Z0 E+ W7 P7 P5 o( Z9 A; [  n* ^* P% e
作者: 347196468    时间: 2010-8-14 21:33
%获得网络的输入样本P和目标样本T8 ~& w) C( K; Q/ g) e2 A' }# b1 T8 P6 d/ o8 q9 `( i! Z8 [
P=[1 0.6 0.1 0 0 0 0   1 0.5 0 0 0 0 0;4 K3 v* b+ @: I" G2 C& ?2 S& z4 Q" u9 t( k1 _. G5 K
1 0.6 0.1 0 0 0 0   0 0.5 1 0.4 0 0 0;9 |( R: l2 i; {7 p. o2 J% m
5 u( N1 t4 i( H- R/ |* q) H+ w1 0.6 0.1 0 0 0 0   0 0 0 0.4 1 0.6 0;
0 r! T+ _/ y# ]# T& o' A! r) A, ^* Z% o  j1 0.6 0.1 0 0 0 0   0 0 0 0 0 0 0.8;) W( b  h! d6 V3 J9 O& b. ~* s& C" V- V% T
0 0.6 0.6 0 0 0 0   1 0.5 0 0 0 0 0;; G6 ?) Q# P: @. f4 i& c+ N  ~8 T% r5 \' g# ^1 e
0 0.6 0.6 0 0 0 0   0 0.5 1 0.4 0 0 0;$ N  F( j  A$ |- d1 k$ G/ K+ k" Y; Q
+ T$ d) y- @- `' H/ v0 0.6 0.6 0 0 0 0   0 0 0 0.4 1 0.6 0;+ `# B, {6 v2 s6 R. K
6 Q* |! h# _4 H2 z2 U6 _0 0.6 0.6 0 0 0 0   0 0 0 0 0 0 0.8;% V, f5 |% e2 r3 ^& D
4 T: L6 u* p! K" i( {: ?, _0 0 0.6 1 0 0 0    1 0.5 0 0 0 0 0;1 f! y0 b6 u( Z8 E
+ s/ }$ }2 u' J' O& Y0 0 0.6 1 0 0 0    0 0.5 1 0.4 0 0 0;* X, J2 _3 o. E/ \" u
# V' y- F! J/ [, B* f0 0 0.6 1 0 0 0    0 0 0 0.4 1 0.6 0;" h( s# ?% u' g$ h* X
* X+ x) j( i5 h! t1 b0 0 0.6 1 0 0 0    0 0 0 0 0 0 0.8;6 p! x2 B5 l6 b( z* |2 ]8 D
- _7 x- i' b" f* G5 P- G0 0 0 0 1 0.6 0    1 0.5 0 0 0 0 0;! p$ q8 S1 V+ @9 t7 i. o+ c
/ T2 d& s5 Q# K- @( z' G; [( ?0 0 0 0 1 0.6 0    0 0.5 1 0.4 0 0 0;5 e* _9 w. i: p' ]; U. H+ K# f8 q( H1 {1 V" T1 z; p3 b
0 0 0 0 1 0.6 0    0 0 0 0.4 1 0.6 0;  ^9 S7 i) L" N1 r+ {0 g& I
' M4 u9 M* Q3 t) G& ?0 0 0 0 1 0.6 0    0 0 0 0 0 0 0.8]';/ Q' c' j* D1 Y9 w. a5 [
" ^. _7 E1 A+ B  Q( FT=[1 0.5 0 0 0 0 0 0;+ F, _7 y% q  B" Z
9 u8 @4 v' ?) u) v! m0 0 0 0.2 0.6 1 0.6 0.2;
! V9 H" @/ R: i; ?. g/ s% Y' M5 N0 I, R/ x! D0 |1 g0 0 0 0.2 0.6 1 0.6 0.2;2 F- g1 H, Q6 j1 {  Y
1 h- h+ o' o5 u* E$ _: B0 0 0 0.2 0.6 1 0.6 0.2;
4 K8 e( F3 ?. |8 M+ W; X% D6 e/ B1 ^( h6 V) |0.4 0.8 1 0.8 0.4 0.2 0 0;6 R8 f( d; @& X- a. r" x: g
  h1 k7 Z/ Y! w( R  I* }0 0 0 0.2 0.6 1 0.6 0.2;/ y8 U  A! f( O( H( m/ u: C8 J6 i, w
0 0 0 0 0 0.2 0.5 0.8;) X4 j8 U2 O3 t! j2 w' v2 H8 o  n
) a8 J+ Z, ~8 {1 q3 Y! `( g0 0 0 0.2 0.6 1 0.6 0.2;
( s9 I$ q9 y0 q2 P- E1 M8 K8 Y) ?/ M- m0 0 0 0.2 0.6 1 0.6 0.2;( K1 W& p9 b7 r6 a7 [; a. |2 h$ m$ l4 @. B
0 0 0 0.2 0.6 1 0.6 0.2;
0 `, m& I& S1 l$ b4 m6 e3 Y* J! u( n. u3 U0 0 0 0 0 0.2 0.5 0.8;
6 Y- H9 \) K& V+ h! Y  U. i2 v, ]. e2 {, q! g& u! D* o) @! t( l4 Z0 0 0 0 0 0.2 0.5 0.8;5 }/ y1 N  S, m# m, Z. i7 o" p, _; J- Z
0 0 0 0.2 0.6 1 0.6 0.2;, Q& Q; h+ \' @+ D9 W, _6 t
; _7 i. b+ z* Z9 Y7 M3 O0 0 0 0.2 0.6 1 0.6 0.2;% a& I% x. Y* b! S3 Z
: v5 X8 ^" l3 W0 Y( y( C' K. i7 G0 0 0 0 0 0.2 0.5 0.8;( T* u# H5 o, U- K( q' |
; M+ J5 J' ?6 ?* Z0 k: e# x0 0 0 0 0 0.2 0.5 0.8]';* {; w( v+ m& U4 r: X, h, P
( x0 l- }8 I4 t* e%根据Kolmogorov定理，输入层有14个节点，所以中间层有29个节点$ f5 v3 N( Z/ H
' n$ L/ O3 s9 c/ H0 y6 A%中间层神经元的传递函数为'tansig'
' N" Z7 M6 k" t' X4 F  _$ S% C' Z& c% }) G# y/ ~%输出层有8个节点，其神经元传递函数为logsig4 r) `6 y0 K, A- p4 f/ U9 D2 i
, \; `2 P* v% b( k0 h- u7 H6 H) `%训练函数采用traingdx
4 F1 J7 l. }0 f( s* ~) ^' l0 C& m3 c0 \* Nnet=newff(minmax(P),[29,8],{'tansig','logsig'},'traingdx');- ?/ b# _# j0 f* p8 n" w/ h" V5 j; N0 x: r- N; a+ _7 a( ^8 P
%训练步数为1000次" ?8 _& L' `% A% T; |1 ?6 e& ]7 C% N- @: L: O0 h& L- O1 \) t
%训练目标误差为0.001
+ p5 M3 l6 Y# a# y; Z  ]! [) p+ D+ cnet.trainParam.epochs=1000;* |  r9 y5 [5 H2 N5 i+ Q6 @3 F5 g! m' d" e
net.trainParam.goal=0.001;
0 A* x+ X8 y# x$ v  ?7 y: ^& _; H% t7 b: r8 W, G9 O+ i5 {* Lnet=train(net,P,T);; \7 P2 W, `. E+ h, o/ B# I1 l) M
' v3 \; E/ I2 Z: ^" u7 iY=sim(net,P);
* k# @/ w& X; C- S( T4 V: ]' a& `$ b' K& z& a%求训练值在每一个点上的误差: \5 F' N/ k7 o
' j$ t0 E9 J2 V0 Nfor i=1:16# M7 i" N' ?7 r) o/ @7 o
8 B* m8 \- W: _! N/ j    x(i)=norm(Y(:,i));- v# w+ p4 R* E; B
5 o( Z9 A; [  n* ^* P% e
作者: duan3307464    时间: 2010-8-17 15:34
你好像学物理的，我和你有相同的看法，我也不想再做那些无聊的东西了，感觉很虚，一点也不实用
作者: duan3307464    时间: 2010-8-17 15:35
你好像学物理的，我和你有相同的看法，我也不想再做那些无聊的东西了，感觉很虚，一点也不实用



欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5