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
* R6 f! p5 V, r& J& X6 o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。
  ?; M' b: A6 z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。

二、插值拟合
2 P( k; ]+ G. a  U1、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。
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
, ?+ Q( Y7 f# d7 W0 A% s
2 V7 F& n/ x& B# B  }
其中


6 F) b' Q) A6 _% X( m/ q* R
Ra=y
7 N9 g) g/ b* ~$ k
（3）
. J( L" Y$ @7 y6 W! i$ w3 H


+ U% b- Q8 U' H1 I! s% p& U
2 e$ }/ F+ H* ?. h" o6 a! 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
) A) c1 H* u* }% `/ H& j% n9 NRTRa=RTy的解：
: A: j* h1 D! F0 d" ma=(RTR)-1RTy
9 e6 C8 n7 K* A8 O3 o, l5 C4、线性最小二乘拟合
3 ]# ]  i9 Y, |6 j" V. {( Ka=polyfit(x,y,m)
% }6 b7 [* E5 ?0 Aa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：
* K1 y. G& @: \4 J4 e
y=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