我正在设计一个神经网络模型,该模型使用有限的更多扩展输入数据(如纹理,体积密度和一个或两个保水性)来预测van genuchten保水参数(theta_r,thera_s,alpha,n)的估计 . 调查R项目中的神经网络我发现了RSNNS包,我创建并训练了多个多层感知器(MLP),并调整了隐藏单元的数量和学习速率 . 以这些模型的训练和测试RMSE为特征的一般性能非常差且随机,实际上,我使用了对数字和n参数的对数变换值来避免偏差并考虑它们的近似对数正态分布,但这没有多大帮助:(我被推荐使用nnet和caret包但我在修改代码时遇到了麻烦,我不知道我做错了什么,有什么建议吗?
#input dataset
basic
#output dataset
fitted
# Use log-transformed values of alpha and n output parameters
fitted$alpha
fitted$n
#Fit model with caret package
library(caret)
model
#Grid of tuning parameters to try:
tuneGrid=expand.grid(.size=c(1,5,10),.decay=c(0,0.001,0.1)))