召唤大神现身。关于模糊神经网络训练样本如何产生？
本帖最后由 996512682 于 2016-3-2 21:42 编辑最近在研究模糊控制，易于实现但是隶属度等不好调，看书和文章说利用BP神经网络可以训练得到合适的参数。但一直想不明白一个问题：训练数据需要比较正确合适的输入和输出，本来我需要这个系统的目的就是为了得到正确的输出，在没得到之前又怎么给它正确的训练数据呢？
不行的，训练必须要有正确的输入和输出，比如用神经网络来拟合一段曲线，你必须要有原曲线的输入和输出数据，神经网络才能不断训练逼近这个曲线，但只是逼近而已，还是有误差的。MATLAB里面有nftool非常方便神经网络方面的仿真，还能生成C代码，经过适当修改即能使用。 FPGA_WALKER 发表于 2016-3-2 20:47
不行的，训练必须要有正确的输入和输出，比如用神经网络来拟合一段曲线，你必须要有原曲线的输入和输出数据 ...
这样的神经网络是不是有点狭隘了？是不是可以在线修正，就是将实际输出之后的误差作为输入，这样不断实时调整直到误差为0，不知理解的对不？ 996512682 发表于 2016-3-2 21:32
这样的神经网络是不是有点狭隘了？是不是可以在线修正，就是将实际输出之后的误差作为输入，这样不断实时 ...
比如你有一台设备能输出一种特殊的波形，但这个波形你无法推导出他的数学表达式，那么你就可以用神经网络来实现这个“复制”波形，训练的方式可以在线训练（遗传算法）也可以借助PC训练完成后将神经网络的权值保存下来。神经网络在解决一些问题时非常有效，但也不是万能的。推荐你看Martin T. Hagan的《Neural Network Design》。 FPGA_WALKER 发表于 2016-3-2 21:45
比如你有一台设备能输出一种特殊的波形，但这个波形你无法推导出他的数学表达式，那么你就可以用神经网络 ...
谢谢FPGA_WALKER 的推荐。我刚上传了一篇文章，里面就是用神经网络在线实时调节PID参数，使系统达到最优。这也是神经网络最吸引我的地方，可以根据系统输出误差实时调节参数，免去了参数调节的繁琐和不稳定性，是系统达到最优。不知这样是否可以实现？ 尽是叫兽们搞的不靠谱东西，大学有个选修课老师，声称他在研究用bp预测股票的涨跌 太高深，看不到 用模糊遗传这种组合是不是更好 神经网络也是数据驱动的，没有数据，闭门造车玩个屁 本帖最后由 dellric 于 2016-5-3 17:25 编辑
3DA502 发表于 2016-3-2 22:34
尽是叫兽们搞的不靠谱东西，大学有个选修课老师，声称他在研究用bp预测股票的涨跌 ...
这个在大学的时候曾经搞了一个兴趣小组研究这个，当然开始是想寻一个可以方便处理非线性系统的方法，当时考虑到了股市和电力系统的潮流分析（我朋友选择了前者，我选择了后者）。美国股市允许超短线买入卖出，可以通过软件接口自动完成，我朋友去美国雇了两个宾夕法尼亚大学的学生写了界面，把核心算法包装好，核心算法就有我们自己开发的神经网络开发包、SVM开发包和一种高速迭代演化计算包，在次贷危机前狠狠赚了一把，几乎是每年240%的速度增长。
页:
[1]