MATLAB學習筆記_Day06

學習視訊：【零基礎教程】老哥：數學模組化算法、程式設計、寫作和獲獎指南全流程教育訓練！

文章目錄

• 1. 元胞自動機
• 2. 回歸模型
• • 2.1 一進制線性回歸
  • 2.2 二進制線性回歸
  • • 多元線性回歸
    • 多項式回歸（一進制，多元）
• 3. 模糊綜合和灰色關聯分析
• • 3.1 問題描述
  • 3.2 評價步驟
  • 3.3 評價方法
  • • 線性權重：
    • TOPSIS優劣解距離法：
    • 模糊綜合評價：
    • 灰色關聯分析：
• 4. BP神經網絡基本原理簡介

1. 元胞自動機

2. 回歸模型

2.1 一進制線性回歸

計算公式：

2.2 二進制線性回歸

原理和一進制相似。

多元線性回歸

多項式回歸（一進制，多元）

3. 模糊綜合和灰色關聯分析

3.1 問題描述

構成綜合評價問題的五個要素分别為:被評價對象、 評價名額、 權重系數、 綜合評價模型和評價者。

3.2 評價步驟

步驟一二在模組化中很容易想到。步驟三四較為重要些。

3.3 評價方法

線性權重：

TOPSIS優劣解距離法：

将資料歸一化處理後：

很好了解。但注意要結合代碼進行實踐。

模糊綜合評價：

個人感覺這個方法需要太多的資料，而且含有一定的主觀成分。

多級綜合模糊評價：其實就是“套娃”。将一級的評價名額，再細分成多級，權重求完後傳回一級名額中，再乘以一級的權向量系數。

灰色關聯分析：

MATLAB學習筆記_Day03

介紹過了。

4. BP神經網絡基本原理簡介

神經網絡是一個很宏大的知識體系。本部落格隻是管中窺豹的着重在模組化中的使用。

BP(back propagation)神經網絡是1986年由Rumelhart和McClelland為首的科學家提出的概念，是一種按照誤差逆向傳播算法訓練的多層前饋神經網絡，是應用最廣泛的神經網絡。

人工神經網絡(ANN) ： 拟合（目的：預測）和分類（目的：聚類分析）

采用BP學習算法的前饋神經網絡稱為BP神經網絡

前饋神經網絡：隻在訓練過程會有回報信号，而在分類過程中資料隻能向前傳送，直到到達

輸出層，層間沒有向後的回報信号。

下面的推導能看懂就看。