归一化问题

近来论文上用到了多个目标函数的求解,所以看了一些归一化方面的论文资料。自己涉及的有波长,跳数,域间链路数三个主要变量,如何让这三个变量取一定值的时候,使得总的目标函数有最优解?

其实可以用博弈论,旁边的一兄弟一直再搞博弈论,好像没什么进展,所以自己看能否用数学知识做一下。

归一化方法

数据的归一化的目的是将不同量纲和不同数量级大小的数据转变成可以相互进行数学运算的具有相同量纲和相同数量级的具有可比性的数据。数据归一化的方法主要有线性函数法、对数函数法、反余切函数法等

1、线性函数法

对于样本数据x(n),n=1,2,……,N,归一化后的样本数据可以采用三种表示方法,分别是最大最小值法、均值法和中间值法。最大最小值法用于将样本数据归一化到[0,1]范围内;均值法用于将数据归一化到任意范围内,但最大值与最小值的符号不可同时改变;中间值法用于将样本数据归一化到[-1,1]范围内,三种方法的公式分别如式(2-1)、式(2-2)、式(2-3)所示。


其中min(x(n))表示样本数据x(n)的最小值,max(x(n))表示样本数据x(n)的最大值, 表示样本数据x(n)的均值, 为样本数据x(n)的中间值,A为调节因子,是一个常数,用于根据工程实际需要来调节样本数据的范围。

2、对数函数法
对于样本数据x(n),n=1,2,……,N,归一化后的样本数据y(n)用公式表示为:

3、反余切函数法
对于样本数据x(n),n=1,2,……,N,归一化后的样本数据y(n)用公式表示为:

反余切函数法主要用于将角频率等变量转换到[-1,1]范围。
4、范数法
对于由样本数据x(n),n=1,2,……,N,构成的向量 ,进行归一化后,由样本数据y(n)构成的向量 ,用公式可表示为:

不同的向量的长短或方向会有不同,对向量可以采用2范数法将向量转变成方向不变,长度为1的单位向量。


  • 3
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在引用的文献中,没有直接提到"Informer"模型的反归一化问题。然而,从引用中可以看出,"Informer"模型在时间序列预测任务中表现优越,并且在不同预测范围内的预测误差相对平稳。这表明"Informer"模型可能已经采取了一些方法来处理归一化问题,并且在预测结果中进行了反归一化操作。 通常,在时间序列预测任务中,为了提高模型性能和稳定性,常常会对输入数据进行归一化处理。这样可以将不同尺度的数据放在相同的范围内,方便模型学习和预测。在进行预测后,需要对预测结果进行反归一化操作,将其恢复到原始数据的尺度上。 具体的反归一化方法会根据归一化时采用的方法而有所不同。常见的反归一化方法包括线性反归一化和最小-最大值反归一化等。这些方法可以根据归一化时使用的最大值、最小值等统计信息来进行反归一化计算,将预测结果恢复到原始数据的尺度上。 因此,如果你使用"Informer"模型进行时间序列预测,并且进行了归一化操作,你可以根据归一化时使用的方法来进行相应的反归一化操作,以获得原始数据的预测结果。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [【时序】Informer:用于长序列预测的高效 Transformer 论文笔记](https://blog.csdn.net/weixin_39653948/article/details/124248535)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值