Krigeage d'interpolation tridimensionnelle à l'aide de MATLAB

Matlab d'interpolation tridimensionnelle krigeage

theta = [10 10]; lob = [1e-1 1e-1]; upb = [20 20];

[dmodel, perf] = dacefit([lat,lon], tem, @regpoly0, @corrgauss, theta, lob, upb);

LonLat = gridsamp([min(latlim) min(lonlim);max(latlim) max(lonlim)], 60);

TemNew = prédicteur(LonLat, dmodel);

LatNew = remodeler(LonLat(:,1),[60,60]);

LonNew = remodeler(LonLat(:,2),[60,60]);

TemNew = remodeler(TemNew, taille(LonNew));

geoshow(LatNew,LonNew,TemNew,'DisplayType','surface');

attends

intrigue(lat,lon,'k.');

barre de couleurs ;

Que signifie nargin dans matlab

Dans Matlab, les époques sont le nombre de fois où les poids et les seuils des neurones sont ajustés en fonction de l'erreur de sortie lors du calcul.

Méthode de vérification :

(1) Utilisation d'une couche linéaire de réseau

1, formulaire de saisie de cellule

Entrée P={[1;2] [2;1] [2;3] [3;1]};

Valeur cible T={4 5 7 7}

Utilisez adapter ;

Entrez la commande :

P={[1;2] [2;1] [2;3] [3;1]};

T={4 5 7 7};

net=linearlayer(0,0.1);

net=configurer(net,P,T);

net.IW{1,1}=[0,0];

net.b{1}=0;

[net,a,e]=adapter(net,P,T);

Le poids est mis à jour 4 fois, la valeur finale est :

net.IW{1,1}= 1,5600 1,5200

net.b{1}=0,9200

Résultats de la simulation : [0] [2] [6.0000] [5.8000]

2, formulaire de saisie matricielle

Entrée P=[1 2 2 3;2 1 3 1];

Sortie T=[4 5 7 7]

Utilisez adapter ;

Entrez la commande :

P=[1 2 2 3;2 1 3 1];

T=[4 5 7 7];

net=linearlayer(0,0.01);

net=configurer(net,P,T);

net.IW{1,1}=[0,0];

net.b{1}=0;

[net,a,e]=adapter(net,P,T);

Le poids est mis à jour une fois, la valeur finale est :

net.IW{1,1}=0,4900 0,4100

net.b{1}= 0,2300

3, formulaire de saisie matricielle

Entrée P=[1 2 2 3;2 1 3 1];

Sortie T=[4 5 7 7]

Utilisez le train (définissez les époques = 1)

Prérequis : Ajouter des commandes d'appel explicites à la fonction d'apprentissage et à la fonction de formation

P=[1 2 2 3;2 1 3 1];

T=[4 5 7 7];

net=linearlayer(0,0.01);

net=configurer(net,P,T);

net.IW{1,1}=[0,0];

net.b{1}=0;

net=trian(net,P,T);

Le poids est mis à jour une fois, la valeur finale est :

net.IW{1,1}=0,4900 0,4100

net.b{1}= 0,2300

Conclusion : pour les réseaux statiques, l'entrée cellulaire de la couche linéaire et de l'adaptation est un apprentissage en ligne, tandis que l'entrée matricielle est un apprentissage hors ligne, ce qui équivaut à un tour de train.

Quant au réseautage dynamique : faites-le lorsque vous avez le temps.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!