f***t 发帖数: 2247 | 1 求教深度学习的大仙:
input数据是6维的,target数据是34维的。用什么神经网络算法(或者别的什么算法)
效果比较好。
注明:
[1]. input数据是在一个工艺流程中间取6个节点测得的流速(已经有了具体数据)。
详见:
http://www.mitbbs.com/article_t/Joke/33884905.html
或者
http://www.mitbbs.com/article_t/Joke/33886307.html
[2]. target数据是整个流程的34个输出端流速(已经有了具体数据)。太多了,这里
罗列不下。
[3]. input数据中的向量和target数据中的向量是一一对应关系。
[4]. 现在的问题与上次帖子问的问题有些不同,这里好像不涉及随时间变化的预测问
题,原因是[3]。(在以前的帖子中,是单独看input数据的,那是随时间变化的。但现
在已经测得了足够的数据了,就不用预测了)
先多谢了!包子伺候:) |
d****o 发帖数: 32610 | 2 要的34维跟输入的6维有什么关系吗
【在 f***t 的大作中提到】 : 求教深度学习的大仙: : input数据是6维的,target数据是34维的。用什么神经网络算法(或者别的什么算法) : 效果比较好。 : 注明: : [1]. input数据是在一个工艺流程中间取6个节点测得的流速(已经有了具体数据)。 : 详见: : http://www.mitbbs.com/article_t/Joke/33884905.html : 或者 : http://www.mitbbs.com/article_t/Joke/33886307.html : [2]. target数据是整个流程的34个输出端流速(已经有了具体数据)。太多了,这里
|
f***t 发帖数: 2247 | 3 谢谢大蝌蚪先!
100%肯定有关系,但不知道具体的数学表达式应该是个啥样子。这么说吧,那个6维的
输入可以理解为函数的自变量(已经有了具体数据),34维的输出可以理解为函数的因
变量(已经有了具体数据)。用什么算法能把这个函数关系表达地尽量准确些。我说明
白了吗?
【在 d****o 的大作中提到】 : 要的34维跟输入的6维有什么关系吗
|
d****o 发帖数: 32610 | 4 就是你有一些training data,
里面有输入的六个自变量和对应的34个因变量
然后你要train一个模型,
让它对你给的任何一组六维自变量输出34维因变量?
【在 f***t 的大作中提到】 : 谢谢大蝌蚪先! : 100%肯定有关系,但不知道具体的数学表达式应该是个啥样子。这么说吧,那个6维的 : 输入可以理解为函数的自变量(已经有了具体数据),34维的输出可以理解为函数的因 : 变量(已经有了具体数据)。用什么算法能把这个函数关系表达地尽量准确些。我说明 : 白了吗?
|
f***t 发帖数: 2247 | 5 对,就是这个意思。用啥算法效果好?我没搞过modelling,这次是被逼上梁山了。谢
谢蝌蚪了!
【在 d****o 的大作中提到】 : 就是你有一些training data, : 里面有输入的六个自变量和对应的34个因变量 : 然后你要train一个模型, : 让它对你给的任何一组六维自变量输出34维因变量?
|
d****o 发帖数: 32610 | 6 你搜emulation
【在 f***t 的大作中提到】 : 对,就是这个意思。用啥算法效果好?我没搞过modelling,这次是被逼上梁山了。谢 : 谢蝌蚪了!
|
w*******a 发帖数: 1458 | 7 principal component analysis + decomposition? |
f***t 发帖数: 2247 | 8 好的,多谢蝌蚪。我先看看去。
【在 d****o 的大作中提到】 : 你搜emulation
|
f***t 发帖数: 2247 | 9 谢谢,狗了一下
https://en.wikipedia.org/wiki/Principal_component_analysis
怎么感觉PCA好像是降维用的?不知道对不对?
【在 w*******a 的大作中提到】 : principal component analysis + decomposition?
|
f***t 发帖数: 2247 | 10 蝌蚪,看了一下,有点发晕,怎么好像又扯到硬件上去了。能麻烦您给个链接吗?谢谢
了。
【在 d****o 的大作中提到】 : 你搜emulation
|
|
|
d****o 发帖数: 32610 | 11 https://en.wikipedia.org/wiki/Gaussian_process_emulator
【在 f***t 的大作中提到】 : 蝌蚪,看了一下,有点发晕,怎么好像又扯到硬件上去了。能麻烦您给个链接吗?谢谢 : 了。
|
f***t 发帖数: 2247 | |
s*******e 发帖数: 272 | 13 我只会做线性模型,很简单,不知道行不行。下面是做法:
这个问题就是求解线性问题:Ax= B, A是输入(1x6 矩阵),B是输出(1x34 矩阵)
,x是变换矩阵大小是6x34。
求解必须有很多组Training数据,每组数据有一个输入,一个输出。假设有N组数据。
于是把所有数据合起来,A变成Nx6矩阵,B变成Nx34矩阵。
现在Ax = B是个矩阵方程,可以直接求解x矩阵,方法是对矩阵A使用伪逆。
https://en.wikipedia.org/wiki/Moore%E2%80%93Penrose_inverse
x = inv(A'A)A'B, A'代表共轭转置。 |
f***t 发帖数: 2247 | 14 恩,这个办法很直观。我现在就用matlab跑一下数据看看。先谢谢了!
【在 s*******e 的大作中提到】 : 我只会做线性模型,很简单,不知道行不行。下面是做法: : 这个问题就是求解线性问题:Ax= B, A是输入(1x6 矩阵),B是输出(1x34 矩阵) : ,x是变换矩阵大小是6x34。 : 求解必须有很多组Training数据,每组数据有一个输入,一个输出。假设有N组数据。 : 于是把所有数据合起来,A变成Nx6矩阵,B变成Nx34矩阵。 : 现在Ax = B是个矩阵方程,可以直接求解x矩阵,方法是对矩阵A使用伪逆。 : https://en.wikipedia.org/wiki/Moore%E2%80%93Penrose_inverse : x = inv(A'A)A'B, A'代表共轭转置。
|
l******8 发帖数: 1691 | 15 graphical model.
没看你的数据,如果一定要dl的话,根据数据之间的关系,构建cnn或rnn或者两个混合
起来都可以。
其实先直接拿个线性模型看看效果再说啦。
【在 f***t 的大作中提到】 : 求教深度学习的大仙: : input数据是6维的,target数据是34维的。用什么神经网络算法(或者别的什么算法) : 效果比较好。 : 注明: : [1]. input数据是在一个工艺流程中间取6个节点测得的流速(已经有了具体数据)。 : 详见: : http://www.mitbbs.com/article_t/Joke/33884905.html : 或者 : http://www.mitbbs.com/article_t/Joke/33886307.html : [2]. target数据是整个流程的34个输出端流速(已经有了具体数据)。太多了,这里
|
z*********e 发帖数: 10149 | 16 I think you need a particle filter |