數(shù)學(xué)建模中的模型求解-資料下載頁
2025-01-14 19:36本頁面
【正文】 正切 S型激勵函數(shù) n=5::5 a=tansig(n) plot(n,a) BP網(wǎng)絡(luò)的輸出量為 01或者 1— 1之間的連續(xù)值。如果在網(wǎng)絡(luò)學(xué)習(xí)過程中，實際輸出樣本值遠(yuǎn)遠(yuǎn)超出該區(qū)間，需要對訓(xùn)練樣本進(jìn)行預(yù)處理，否則神經(jīng)網(wǎng)絡(luò)無法收斂或?qū)W習(xí)速度慢 數(shù)學(xué)建模中的模型求解 構(gòu)建神經(jīng)網(wǎng)絡(luò)時的注意事項 (1)神經(jīng)元節(jié)點數(shù) ?輸入節(jié)點數(shù) m：實際問題的維數(shù)，與網(wǎng)絡(luò)性能無關(guān) ?隱含層節(jié)點數(shù) l：目前沒有統(tǒng)一的規(guī)范，常使用經(jīng)驗公式 a為 110之間的常數(shù) ?輸出節(jié)點數(shù) n：實際問題的維數(shù) l m n a? ? ?(2)數(shù)據(jù)預(yù)處理和后期處理 歸一化處理：將每組數(shù)據(jù)都變成 11之間的數(shù)，可用函數(shù) premnmx，也可直接利用公式 m inm a x m inkkxxxxx???數(shù)學(xué)建模中的模型求解 premnmx函數(shù) [pn,minp,maxp,tn,mint,maxt]=premnmx(p,t) P為 R Q維輸入矩陣 (R:輸入神經(jīng)元節(jié)點數(shù) ,Q：每個神經(jīng)元的長度 ) t為 S Q維目標(biāo)矩陣 (S:輸出神經(jīng)元節(jié)點數(shù) ,Q：每個神經(jīng)元的長度 ) pn為標(biāo)準(zhǔn)化后的 R Q維輸入矩陣 ,tn為標(biāo)準(zhǔn)化后的 S Q維目標(biāo)矩陣 minp為 R 1維包含 p的每個分量最小值的向量 ,maxp為 R 1維包含 p的每個分量最大值的向量 mint為 S 1維包含 t的每個分量最小值的向量 ,maxt為 S 1維包含 t的每個分量最大值的向量 函數(shù)使用算法 2 * ( m i n ) / ( m a x m i n ) 1pn p p p p? ? ? ?數(shù)學(xué)建模中的模型求解 應(yīng)用實例：公路運量預(yù)測 公路運量主要包括公路客運量和公路貨運量兩個方面。據(jù)研究，某地區(qū)的公路運量主要與該地區(qū)的人數(shù)、機動車數(shù)量和公路面積有關(guān)， 下表 給出了某地區(qū) 20年的公路運量相關(guān)數(shù)據(jù)。根據(jù)相關(guān)部門數(shù)據(jù)，該地區(qū) 2022年和 2022年的人數(shù)分別為 ，機動車數(shù)量分別為 ，公路面積分別為 。請運用 BP網(wǎng)絡(luò)預(yù)測該地區(qū) 2022年和 2022年的公路客運量和公路貨運量。 BP網(wǎng)絡(luò) 求解 過程 ①原始數(shù)據(jù)的輸入②數(shù)據(jù)歸一化③網(wǎng)絡(luò)訓(xùn)練 ④對原始數(shù)據(jù)進(jìn)行仿真 ⑤將原始數(shù)據(jù)仿真的結(jié)果與已知樣本進(jìn)行對比 ⑥對新數(shù)據(jù)進(jìn)行仿真 數(shù)學(xué)建模中的模型求解 基于 MATLAB工具箱的求解 自編源程序的求解 數(shù)學(xué)建模中的模型求解 網(wǎng)絡(luò)學(xué)習(xí)曲線 原始數(shù)據(jù)與仿真數(shù)據(jù)的對比圖 數(shù)學(xué)建模中的模型求解 原始數(shù)據(jù)與仿真數(shù)據(jù)的對比圖
公司管理相關(guān)推薦
鄂ICP備17016276號-1