- 在线时间
- 1 小时
- 最后登录
- 2017-7-6
- 注册时间
- 2008-12-31
- 听众数
- 3
- 收听数
- 0
- 能力
- 0 分
- 体力
- 87 点
- 威望
- 0 点
- 阅读权限
- 20
- 积分
- 45
- 相册
- 0
- 日志
- 0
- 记录
- 0
- 帖子
- 36
- 主题
- 0
- 精华
- 0
- 分享
- 0
- 好友
- 9
升级    42.11% 该用户从未签到
群组: 电子科大数学建模交流群 |
神经网络的注意事项
/ O J% H2 \% Y/ {2 d( l; w# |本帖来自:数学中国 作者: fenghuaxl 日期: 半小时前 您是本帖第10个浏览者
+ E4 u ~# U+ R; o2 W- x神经网络, 事项
2 c9 u' w+ f$ T3 @( ]* [1 O: Q! M0 q一、神经网络$ i% ~' V1 o2 p3 [: N" u% o3 F
样本数目不能太少,要足够的多。样本要分开，前几个做训练，后几个做检测。初始处理，使初始数据归一，在负一到一之间。4 H1 M( [) R+ T# l
初始数据的处理[pn,minp(归一后的最小值，最大值),maxp,tn,mint,]=premnmx（pn,tn为初始数据）。设置训练参数。* q! v& j' `$ W+ q( u: f; v2 ]! r- C
! q7 {% `" |& \1 |二、插值拟合, I+ w# a9 S. ^# S! K) ~
1、插值得到的是数据点。拟合得到的是多项式。
" @) a1 J2 z: r0 W" q2、超定方程组：方程个数大于未知量个数的方程组。4 V: I4 _; U' h9 i/ ^1 V
所以，曲线拟合的最小二乘法要解决的问题，实际上就是求以下超定方程组的最小二乘解的问题
& t1 p7 g% b8 Q& X6 s" ^: U% k
& O- A6 @7 p1 a p* c, K/ i5 k$ C+ j% E! b6 N$ E. m3 Z
其中( f( D$ p$ t6 S7 Z. M7 u
: y7 k: v7 E+ B' b
4 \- p; _$ }3 r6 C, z5 B! J
- c& t$ i: G* S }5 c
Ra=y2 R& D2 a- N8 ]$ y$ o' y
1 z# N: U [/ a7 F, Y$ s. Y（3）
) T" o3 a0 R2 b0 p4 G4 L. v& f# u
F8 P& h( x" d: B# e
. g: X" S/ H0 y H% R
! a& M2 G/ c3 m T1 p; T3、定理：当RTR可逆时，超定方程组（3）存在最小二乘解，且即为方程组$ k0 u4 F1 \# g( o) F* j. ^! ~5 a
RTRa=RTy的解：# g$ E+ D6 J$ G: d. U
a=(RTR)-1RTy- }! U2 w4 h6 @
4、线性最小二乘拟合9 p0 X8 i) T2 y! n: ]4 p
a=polyfit(x,y,m)
3 O0 \5 p# B2 D8 \5 ta为输出拟合多项式系数a=[a1, …am , am+1] (数组)），X，Y为输入同长度的数组，m为拟合多项式次数。! M: l' R2 R/ C+ ~' c Y( t# q6 }
5、多项式在x处的值y可用以下命令计算：
2 F; y8 M5 w9 e* m- ~1 Q% ~
% }' X4 R6 v/ ~y=polyval（a，x）! s! E' h5 q$ v( u
6、非线性最小二乘拟合：lsqcurvefit（‘fun’，x0,xdata,ydata）用以求含参量x（向量）的向量值函数 |
|
IP卡
狗仔卡
发表于 2009-8-17 23:14
显身卡
