常用数学模型及建模方法.数学建模讲义+数学建模先进算法讲义

minedoc

谢谢分享了...

heweicool1990

还好吧，顶~

BlackHero

谢谢分享哈。。

BlackHero

真是不错的东西

payonlynow

下了看看，呵呵

fangyingning

神经网络的注意事项
" D' [; u! M9 y- a0 l5 q4 o, t, s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
神经网络, 事项
一、神经网络
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。
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。
) X* G% q) l# a9 ]1 P4 H6 T
; f" F' f) v2 r4 _% c( ?二、插值拟合
1、插值得到的是数据点。拟合得到的是多项式。
2、超定方程组：方程个数大于未知量个数的方程组。
9 r: ]/ w& w$ w9 ^! O4 m+ x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
. J$ i( o/ T3 K) A: d5 |

0 d' W% Q+ s2 D  Q" E5 c" K+ y( d其中


2 A0 p( [" N& n7 J4 U: g2 R
) h2 Q1 X6 N4 Q! \Ra=y

3 e( l& i' i( H（3）



; m) l7 H7 r$ h1 p* c  l
3、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
RTRa=RTy的解：
$ N/ V  \4 ~# s1 g8 x2 Ya=(RTR)-1RTy
7 r( x: m# F' }. h9 C4、线性最小二乘拟合
  N1 f5 s% x" s  E- Da=polyfit(x,y,m)
5 p# t& V3 d  [4 \' xa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。
5、多项式在x处的值y可用以下命令计算：
5 j9 ?+ ]- e- e- X" k
% h+ A6 Z1 s$ P" p6 {9 O5 l! ly=polyval（a，x）
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

fangyingning

发错了，对不住啊

skyar

先收藏了看看，谢楼主分享

jianglilong0225

下来看看！

欧阳群师

钱不重要，关键是知识的有无和自己的进步，从中获得的经验