θ = [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 = 予測子(LonLat, dmodel);
LatNew = reshape(LonLat(:,1),[60,60]);
LonNew = reshape(LonLat(:,2),[60,60]);
TemNew = reshape(TemNew, size(LonNew));
geoshow(LatNew,LonNew,TemNew,'DisplayType','surface');
###持続する###plotm(lat,lon,'k.');
カラーバー;
MATLAB における nargin の意味
(1) ネットワークリニアレイヤーの使用
1,セル入力フォーム
入力 P={[1;2] [2;1] [2;3] [3;1]};
目標値 T={4 5 7 7}
adapt を使用する;
コマンドを入力してください:
P={[1;2] [2;1] [2;3] [3;1]};
T={4 5 7 7};
net=リニアレイヤー(0,0.1);
net=configure(net,P,T);
net.IW{1,1}=[0,0];
net.b{1}=0;
[ネット,a,e]=adapt(ネット,P,T);
重みは 4 回更新され、最終値は次のとおりです:
net.IW{1,1}= 1.5600 1.5200
net.b{1}=0.9200
シミュレーション結果: [0] [2] [6.0000] [5.8000]
2、行列入力フォーム
入力 P=[1 2 2 3;2 1 3 1];
出力 T=[4 5 7 7]
adapt を使用する;
コマンドを入力してください:
P=[1 2 2 3;2 1 3 1];
T=[4 5 7 7];
net=リニアレイヤー(0,0.01);
net=configure(net,P,T);
net.IW{1,1}=[0,0];
net.b{1}=0;
[ネット,a,e]=adapt(ネット,P,T);
重みは 1 回更新され、最終的な値は次のようになります:
net.IW{1,1}=0.4900 0.4100
net.b{1}= 0.2300
3、行列入力フォーム
入力 P=[1 2 2 3;2 1 3 1];
出力 T=[4 5 7 7]
train を使用します; (epochs=1 を設定)
前提条件: 学習関数とトレーニング関数に明示的な呼び出しコマンドを追加します。
P=[1 2 2 3;2 1 3 1];T=[4 5 7 7];
net=リニアレイヤー(0,0.01);
net=configure(net,P,T);
net.IW{1,1}=[0,0];
net.b{1}=0;
net=trian(net,P,T);
重みは 1 回更新され、最終的な値は次のようになります:
net.IW{1,1}=0.4900 0.4100
net.b{1}= 0.2300
結論: 静的ネットワークの場合、linearlayer とadapt のセル入力はオンライン学習ですが、行列入力はオフライン学習であり、これはトレーニングの 1 ラウンドに相当します。
動的ネットワークについては、時間があるときに実行してください。
以上がMATLAB を使用した 3 次元補間のクリギングの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。