神经网络做函数逼近,会做了,但是函数逼近到底有什么用处呢?
来源:学生作业帮 编辑:拍题作业网作业帮 分类:综合作业 时间:2024/05/15 12:32:59
神经网络做函数逼近,会做了,但是函数逼近到底有什么用处呢?
RT,函数逼近有什么用处呢?逼近一条曲线,做预测还是做什么呢?如果是预测的话好像不大准似的?
RT,函数逼近有什么用处呢?逼近一条曲线,做预测还是做什么呢?如果是预测的话好像不大准似的?
针对你前两个问题:
在系统建模、辨识和预测中,对于线性系统,在频域,传递函数矩阵可以很好地表达系统的黑箱式输入输出模型;在时域,Box-Jenkins方法、回归分析方法、ARMA模型等,通过各种参数估计方法也可以给出描述.对于非线性时间序列预测系统,双线性模型、门限自回归模型、ARCH模型都需要在对数据的内在规律知道不多的情况下对序列间关系进行假定.
可以说传统的非线性系统预测,在理论研究和实际应用方面,都存在极大的困难.相比之下,神经网络可以在不了解输入或输出变量间关系的前提下完成非线性建模.神经元、神经网络都有非线性、非局域性、非定常性、非凸性和混沌等特性,与各种预测方法有机结合具有很好的发展前景,也给预测系统带来了新的方向与突破.建模算法和预测系统的稳定性、动态性等研究成为当今热点问题.目前在系统建模与预测中,应用最多的是静态的多层前向神经网络,这主要是因为这种网络具有通过学习逼近任意非线性映射的能力.利用静态的多层前向神经网络建立系统的输入/输出模型,本质上就是基于网络逼近能力,通过学习获知系统差分方程中的非线性函数.但在实际应用中,需要建模和预测的多为非线性动态系统,利用静态的多层前向神经网络必须事先给定模型的阶次,即预先确定系统的模型.
针对你第三个问题:
预测是利用数理统计的原理作出假设,给出预测区间,准不准也只是从统计的角度来讲,也就是说准确度实际上是相对的,预测区间越不精确可信度就越大,预测区间越精确可信度就越小,也就是说你想要精确一点的话,就要牺牲一点可信度
在系统建模、辨识和预测中,对于线性系统,在频域,传递函数矩阵可以很好地表达系统的黑箱式输入输出模型;在时域,Box-Jenkins方法、回归分析方法、ARMA模型等,通过各种参数估计方法也可以给出描述.对于非线性时间序列预测系统,双线性模型、门限自回归模型、ARCH模型都需要在对数据的内在规律知道不多的情况下对序列间关系进行假定.
可以说传统的非线性系统预测,在理论研究和实际应用方面,都存在极大的困难.相比之下,神经网络可以在不了解输入或输出变量间关系的前提下完成非线性建模.神经元、神经网络都有非线性、非局域性、非定常性、非凸性和混沌等特性,与各种预测方法有机结合具有很好的发展前景,也给预测系统带来了新的方向与突破.建模算法和预测系统的稳定性、动态性等研究成为当今热点问题.目前在系统建模与预测中,应用最多的是静态的多层前向神经网络,这主要是因为这种网络具有通过学习逼近任意非线性映射的能力.利用静态的多层前向神经网络建立系统的输入/输出模型,本质上就是基于网络逼近能力,通过学习获知系统差分方程中的非线性函数.但在实际应用中,需要建模和预测的多为非线性动态系统,利用静态的多层前向神经网络必须事先给定模型的阶次,即预先确定系统的模型.
针对你第三个问题:
预测是利用数理统计的原理作出假设,给出预测区间,准不准也只是从统计的角度来讲,也就是说准确度实际上是相对的,预测区间越不精确可信度就越大,预测区间越精确可信度就越小,也就是说你想要精确一点的话,就要牺牲一点可信度
神经网络做函数逼近,会做了,但是函数逼近到底有什么用处呢?
matlab 泰勒函数逼近
有关BP神经网络的问题?(函数逼近)(重赏o)
函数在日常生活中有什么用处?
请问算CDF累积分布函数的斜率 使用阶梯形的曲线去逼近斜率的话 用哪一种演算法去计算会比较好
数学分析 高数 连续函数的多项式逼近(2)设函数f(x)在一个无穷区间上可被多项式逼近,证明f(x
高数~二元极限~怎么确定一个二元函数的极限存在性?据说是任何方法逼近,只要有一种不行,极限就不存在了.那么怎么证明一个极
matlab中BP神经网络的性能函数都有什么
泰勒公式;为什么可以用更高次的多项式来逼近函数?
matlab中的regress函数到底怎么做的呢?
求matlab分段线性逼近曲线函数代码 曲线函数函数如下y=x+0.1xx,
成本逼近法的特点有哪些?