最近在学习数学建模系列,数学建模主要分为三个大问题:
1.预测模型
2.优化模型
3.评价模型
又分为如下的各个子区间:
一、神经网络预测、灰色预测、拟合插值预测(线性回归)、时间序列
预测、马尔科夫链预测、微分方程预测、Logistic 模型等等。
二、规划模型(目标规划、线性规划、非线性规划、整数规划、动态
规划)、图论模型、排队论模型、神经网络模型、现代优化算法(**遗传算法、模拟退火算法、蚁群算法、**禁忌搜索算法)等等。
三、模糊综合评价法、层次分析法、聚类分析法、主成分分析评价法、
灰色综合评价法、人工神经网络评价法等等。
本文交代神经网络预测的主要方案:
1.神经网络预测,底层逻辑与评价模型中的主成分和聚类有异曲同工之妙,当遇到多个参数影响某一个参数,且难以用自然规则解释建模的时候,用来确定参数之间的联系,也与线性规划的底层逻辑相似,一通百通。
2.神经网络预测模型分为3各主要模块
1、条件神经节点
2、隐藏神经节点
3、结果神经节点
其中1、3可以从目标条件中获得,而2需要通过神经网络预测来进行判断其数量以及与1、3的关系。
一般来说,2的数量越多,那么结果就越精确,但随之而来的是计算复杂度更高。当遇到过于复杂的情况时,可以考虑采用遗传/模拟退火、确定2的空间
matlab中,我们一般对于2数量的定义为:
c=根号下(a+b)+常数,