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？
2 v: T2 f+ |) z
[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' }9 i# y. N2 B& D! X, y2 R
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
, `6 r1 T+ |. }! o, m/ S1 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% m4 o) ?8 s7 y; K6 h, o4 w
1 0.6 0.1 0 0 0 0   0 0 0 0.4 1 0.6 0;
, p' G7 z! ^% k) 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
9 g" _8 U, J  O. X0 0.6 0.6 0 0 0 0   1 0.5 0 0 0 0 0;; G6 ?) Q# P: @. f4 i& c& d1 M, L- h2 l+ m+ X, j
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
) v! p0 d: D0 |. ~: s% Q. n0 0.6 0.6 0 0 0 0   0 0 0 0.4 1 0.6 0;8 X; w/ Q7 v9 U: f
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
0 }! b# m2 ~6 a1 @6 q0 0 0.6 1 0 0 0    1 0.5 0 0 0 0 0;6 v& P+ ?- R6 ]( @
+ s/ }$ }2 u' J' O& Y0 0 0.6 1 0 0 0    0 0.5 1 0.4 0 0 0;
/ L; v- Y: @; v# 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
% ]  Y& T* n- M# {+ `1 G# z0 0 0.6 1 0 0 0    0 0 0 0 0 0 0.8;4 s8 q% a6 P2 h! G& A
- _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; m! a. v. c& i3 x6 k
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
6 `6 S6 D  @9 i- v% q0 0 0 0 1 0.6 0    0 0 0 0.4 1 0.6 0;  ^9 S7 i) L" N1 r+ {0 g& I0 }9 B7 f9 u% @, j+ }$ |
0 0 0 0 1 0.6 0    0 0 0 0 0 0 0.8]';/ Q' c' j* D1 Y9 w. a5 [  v" v# w/ G) B- [
T=[1 0.5 0 0 0 0 0 0;+ F, _7 y% q  B" Z
5 e2 C! T0 G! u: }0 0 0 0.2 0.6 1 0.6 0.2;" g& z' a6 X. _
' 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- C) z% k# a0 j. A; I/ G" i
0 0 0 0.2 0.6 1 0.6 0.2;; @+ B1 c1 ~8 T) y& q! U( Q. F
% D6 e/ B1 ^( h6 V) |0.4 0.8 1 0.8 0.4 0.2 0 0;$ ?, [/ f) W7 F/ F  X: a' 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( m! U7 C; `* Z& k( s+ N, `
0 0 0 0 0 0.2 0.5 0.8;
9 V4 @3 W1 q9 K1 T) a8 J+ Z, ~8 {1 q3 Y! `( g0 0 0 0.2 0.6 1 0.6 0.2;
0 d; n+ q1 O. V% ]+ x2 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
* M. `$ }8 G3 @. `) ^0 0 0 0.2 0.6 1 0.6 0.2;
6 U( A# s% J  Y" B9 {3 F4 m6 e3 Y* J! u( n. u3 U0 0 0 0 0 0.2 0.5 0.8;+ B$ v- x) r0 @3 k; Q( J* M' W
. 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( C. P. j& n! t% l* y9 q
0 0 0 0.2 0.6 1 0.6 0.2;, Q& Q; h+ \' @+ D9 W, _6 t4 X" t% H7 ~* Q( p' U8 P
0 0 0 0.2 0.6 1 0.6 0.2;% a& I% x. Y* b! S3 Z9 P, s0 Y2 K: i" Z% ?$ X% I+ f( f
0 0 0 0 0 0.2 0.5 0.8;
. K# T. P7 U' {$ U/ l5 `# E1 H  O8 P; M+ J5 J' ?6 ?* Z0 k: e# x0 0 0 0 0 0.2 0.5 0.8]';5 n6 R2 c% i7 [9 K& J
( 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/ H6 }5 s5 x  `- ~
%中间层神经元的传递函数为'tansig'
# x$ w0 o7 \5 T  y' z  Z4 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
4 R; J& M4 B9 j- o4 `+ d, \; `2 P* v% b( k0 h- u7 H6 H) `%训练函数采用traingdx
  [9 |1 J& ~, w3 ]$ w( B" [0 C& m3 c0 \* Nnet=newff(minmax(P),[29,8],{'tansig','logsig'},'traingdx');- ?/ b# _# j0 f* p8 n" w/ h" V/ [% H2 U9 x0 F
%训练步数为1000次" ?8 _& L' `% A% T; |1 ?6 e
7 r: K: a3 x3 {& w1 m%训练目标误差为0.001+ T8 I, a3 U2 i% R
  ]! [) p+ D+ cnet.trainParam.epochs=1000;* |  r9 y5 [5 H2 N5 i+ Q6 @
+ l9 k% g6 Z4 unet.trainParam.goal=0.001;0 l9 y  E+ n9 Z. ?
; H% t7 b: r8 W, G9 O+ i5 {* Lnet=train(net,P,T);; \7 P2 W, `. E+ h, o/ B# I1 l) M
& @( z. E. n$ _1 u' IY=sim(net,P);: P9 f  }* {1 n9 F9 w- m
: ]' a& `$ b' K& z& a%求训练值在每一个点上的误差: \5 F' N/ k7 o
6 r4 [3 B/ q8 ^3 I5 n3 Afor i=1:16
- s1 u6 O" w5 T9 N" W8 O/ b* F8 B* m8 \- W: _! N/ j    x(i)=norm(Y(:,i));  b" B" t9 ]" V% I* r" t4 q
5 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' }
9 L; ^: ]  \' x9 P, c) c& d, p& NP=[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
2 n1 g; ?/ h0 g" d5 F- ]" `% Y6 ]4 y1 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
! S4 {& b5 [! K0 d$ Z7 o* c1 0.6 0.1 0 0 0 0   0 0 0 0.4 1 0.6 0;
4 p5 x" Z" M- h# F' w% N4 A) 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
/ V0 {  B% l7 D$ W0 0.6 0.6 0 0 0 0   1 0.5 0 0 0 0 0;; G6 ?) Q# P: @. f4 i& c
+ v* b5 I: j8 _, ^- b0 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
" m) o3 g9 y( J0 0.6 0.6 0 0 0 0   0 0 0 0.4 1 0.6 0;! o" V2 S" M3 o- y& z' }! c9 v" z
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! u# r1 `4 \2 Y7 r$ R7 e
0 0 0.6 1 0 0 0    1 0.5 0 0 0 0 0;: Z- x/ ~5 X9 K& N2 C3 x) M/ A
+ s/ }$ }2 u' J' O& Y0 0 0.6 1 0 0 0    0 0.5 1 0.4 0 0 0;9 G) T7 B+ H; v" ^7 r
# 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" K2 d) a/ s) k; h
0 0 0.6 1 0 0 0    0 0 0 0 0 0 0.8;
; ]% P" k4 o, r' e9 s- _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+ c8 @; `$ X* L. Y- x0 X
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
* _% Q$ D. K0 C: c! t* Q- o- e0 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& j" p: ^% J* W: J3 Z
0 0 0 0 1 0.6 0    0 0 0 0 0 0 0.8]';/ Q' c' j* D1 Y9 w. a5 [2 w" f7 X, x. L% ]
T=[1 0.5 0 0 0 0 0 0;+ F, _7 y% q  B" Z2 ~0 ~  _: X& w# g  u
0 0 0 0.2 0.6 1 0.6 0.2;5 Y. |- _  b) O( s7 E0 K; X
' 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
& D- [% P2 G: s0 0 0 0.2 0.6 1 0.6 0.2;
; T0 \, h  C3 S# ?4 P, x& r% D6 e/ B1 ^( h6 V) |0.4 0.8 1 0.8 0.4 0.2 0 0;7 `9 o' p! w7 z  T- L
  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
0 j; t8 Q. r1 [" |0 0 0 0 0 0.2 0.5 0.8;  Q, X: h$ ~4 `" \/ b0 ?) Q: s- @
) a8 J+ Z, ~8 {1 q3 Y! `( g0 0 0 0.2 0.6 1 0.6 0.2;
/ q& y3 d$ n8 z$ f0 i6 O2 v1 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& w9 s8 h8 L6 h6 \
0 0 0 0.2 0.6 1 0.6 0.2;" u8 D* f. Z$ |1 C7 n
4 m6 e3 Y* J! u( n. u3 U0 0 0 0 0 0.2 0.5 0.8;
: e6 I! {$ `  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: C" Z4 i/ X7 D
0 0 0 0.2 0.6 1 0.6 0.2;, Q& Q; h+ \' @+ D9 W, _6 t" ~8 G1 w+ ?2 b8 S2 }' R
0 0 0 0.2 0.6 1 0.6 0.2;% a& I% x. Y* b! S3 Z
5 K1 n* r# m6 e  t: N, d0 0 0 0 0 0.2 0.5 0.8;
& {$ w0 n* `; y) V; M+ J5 J' ?6 ?* Z0 k: e# x0 0 0 0 0 0.2 0.5 0.8]';
& K' v: H& l% a0 T8 e9 |' F( 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/ H6 ]$ T' W* V2 L
%中间层神经元的传递函数为'tansig'+ ]9 t9 ]  L- |0 P6 U' _
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
$ k# m5 \2 b: P5 Q" U: G" s+ H, \; `2 P* v% b( k0 h- u7 H6 H) `%训练函数采用traingdx
: |" h' K- R- v4 d- j3 k# [0 C& m3 c0 \* Nnet=newff(minmax(P),[29,8],{'tansig','logsig'},'traingdx');- ?/ b# _# j0 f* p8 n" w/ h" V. n9 S. K$ q- q  N5 o+ h' }* K0 @# |
%训练步数为1000次" ?8 _& L' `% A% T; |1 ?6 e: U' w. m- c( p6 l8 P" N0 ]% l9 B5 w
%训练目标误差为0.001
$ X  y0 X3 }* e7 ^# X0 j  ]! [) p+ D+ cnet.trainParam.epochs=1000;* |  r9 y5 [5 H2 N5 i+ Q6 @
! c0 r. g9 X# p; e( z/ J  D! W' ~net.trainParam.goal=0.001;1 a! P5 w. |& I1 P/ ?
; H% t7 b: r8 W, G9 O+ i5 {* Lnet=train(net,P,T);; \7 P2 W, `. E+ h, o/ B# I1 l) M
+ \1 h7 M' U* I, E5 YY=sim(net,P);6 C1 g; |$ e: t; Q' i6 o
: ]' a& `$ b' K& z& a%求训练值在每一个点上的误差: \5 F' N/ k7 o
7 D1 X# E- P; ?# y8 z* Cfor i=1:16
* m# B) E9 K+ d* e. T- d, w: D6 I8 B* m8 \- W: _! N/ j    x(i)=norm(Y(:,i));
' A2 m; _: C8 \* a5 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