- 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
4 p. g4 u% T4 R8 E. D; E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 E( G& m5 K: b! ^' h! }
神经网络, 事项/ r, a+ ^+ E' @# \2 V
一、神经网络+ V, v1 k9 g" G1 y4 m
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。1 ~7 C$ a$ Q. J0 y4 R+ Q
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。" M7 q) @( a' j
! @( q' f* b# l! d F4 @二、插值拟合
- f' U8 a# u2 v9 ?, K, R% y+ i1 [1、插值得到的是数据点。拟合得到的是多项式。5 |* B! [3 \$ I. T" `
2、超定方程组：方程个数大于未知量个数的方程组。
8 V5 v. h7 C; O+ 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% b$ b) A5 y+ a% g4 g
" f! r2 U$ h) f' C f& d% s- S7 v
, a! g1 W( a) S+ `; `其中
' X9 R) g! [. b* r5 Z0 B! x9 b! }+ j% E7 @$ ?$ s
n) x) s0 S1 R3 B: R
5 @$ o4 B1 Z5 N+ m2 G" X( a: @
Ra=y, V4 h2 k6 p9 B$ a: U% r; t
! o4 Q" D9 w3 b0 M/ p/ @（3）3 b& c& q6 O8 U
# B* n. U% m2 f4 h; t; X
& V/ \: e- k" N: Z5 M6 P
1 O. |$ S. ^" n4 h& a4 L1 N
7 u5 v2 Q! ]- U9 v2 H2 H
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 ]$ E5 u7 Q! r9 w9 z" S
RTRa=RTy的解：
- ] z2 i0 i6 v% j& Va=(RTR)-1RTy
4 M8 F4 \) p4 p( B4、线性最小二乘拟合4 U! y5 o m) p8 i8 U/ @# k
a=polyfit(x,y,m)
6 ~" r5 _! o3 W7 Pa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。
0 u$ V2 _. S! C- @( K X/ B/ {/ A) S5、多项式在x处的值y可用以下命令计算：2 m3 F+ O4 w: p" E( J0 n/ W: N' {
5 `5 A. h" c8 N; r# h. n) |y=polyval（a，x）# ]* K! y5 ~ ?7 x$ J% a* z
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
