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
" C! p2 c% I/ q. P0 d& l5 M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
0 e3 R" D$ C" F0 k: Q% I神经网络, 事项
一、神经网络
% j) H6 J- {+ ?, 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。
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。
: E: z. X( ]$ ?( c! U  S4 h& g3 t
二、插值拟合
1、插值得到的是数据点。拟合得到的是多项式。
0 S: e3 u9 X- b* N7 z- w2、超定方程组：方程个数大于未知量个数的方程组。
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
; p7 i1 [! \! p' }2 |# h* r  o

其中



Ra=y

9 f! Z+ [! H3 o% y" \# M（3）
; \! |3 [1 E5 X# B- z
2 {2 u" {8 h8 f' a# w

* u9 S6 [* H8 J: R* F
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：
  A$ n, k' F3 i0 ra=(RTR)-1RTy
4、线性最小二乘拟合
6 j) L6 |' e) d2 r/ B" Aa=polyfit(x,y,m)
7 J2 p& t. @  [  ya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。
( v- J- `, q- l3 W9 ^5 X5、多项式在x处的值y可用以下命令计算：

y=polyval（a，x）
2 `/ G( [/ |* Y' J$ X7 P  a- A4 m6、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