1 / 18

基于神经网络的组效关系模型建立

基于神经网络的组效关系模型建立. 韩胜男 2012.9.17. 模型比较. 建模的一般流程. 数据来源. 1. 建立 {Xi} 和 {Yj} 的联合矩阵 2.Excel 表另存为 CSV 格式. 训练集 VS 测试集. 参数优化. weight and bias. 传递函数： transig-purlin 训练函数： trainlm 学习函数： learngdm 学习速率： 0.5. 参数优化. C= 4.1299. C=1.1274. 模型结果比较. 模型筛选. SVR(PSO)-MIV. 模型训练. 所有数据均参与建模. 筛选结果.

leon
Download Presentation

基于神经网络的组效关系模型建立

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 基于神经网络的组效关系模型建立 韩胜男 2012.9.17

  2. 模型比较

  3. 建模的一般流程

  4. 数据来源 1.建立{Xi}和{Yj}的联合矩阵 2.Excel表另存为CSV格式

  5. 训练集VS测试集

  6. 参数优化 weightandbias 传递函数：transig-purlin 训练函数：trainlm 学习函数：learngdm 学习速率：0.5

  7. 参数优化

  8. C= 4.1299 C=1.1274 模型结果比较

  9. 模型筛选

  10. SVR(PSO)-MIV

  11. 模型训练 所有数据均参与建模

  12. 筛选结果

  13. 非线性建模优势

  14. 我的几点思考 1、 神经网络是以数学模型寻找事物之间的规律，可是一个事物往往受到许多因素的影响，神经网络需要唯一的、未知的、但确定存在的规律，才能进行合理的训练，不可牵强的将手中数据组合在一起，想让它们形成某种规律。

  15. 2. 训练完后（通过各种参数寻优算法），针对输入和输出，神经网络就是一个总函数，问题是不能100%确定这个总函数就是要研究事物的内在规律，它极有可能是一个和想找寻的规律毫不相干的总函数，它仅仅和提供的有限个数据有关，即使我们提供更多的样本去训练，可能又会得到另一个总函数，意思就是，不管如何划分训练数据，它们都无法由同一个总函数来拟合，只要是超出网络之外的数据（即待测试的），都不“属于”这个总函数，所以训练时的精度很好，预测时却很差，其实这是正常的。

  16. 一些参考 建立这个总函数是较严格的，要得到直接的规律： 1. 选择的输入变量要具有代表性; 2. 继续深入挖掘变量，所预测的输出仅由输入的变量决定吗?是直接生效的，还是需要经过一系列变化才能产生的结果？还有别的因素在影响吗？ 3. 不能过分依赖我们手中的数据，设计一个好的实验，深入的研究，得到的数据就更加简单，更加纯，更加直接，再用这些数据去训练神经网络可能效果更好。

  17. 参考资料 • 《Matlab神经网络30个案例分析》 • 介绍支持向量机、人工神经网络、遗传算 法等相关书籍 • Webof Knowledge , CNKI etc. Key words: SVR, BP, RBF, Neural network, GA, PSO, MIV etc. • Matlab 中文论坛http://www.ilovematlab.cn/forum.php

  18. The End Thanks for your attention

More Related