Kriging dreidimensionaler Interpolation mit MATLAB

Kriging dreidimensionales Interpolations-Matlab

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

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

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

TemNew = Prädiktor(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');

Warte mal

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

Farbleiste;

Was bedeutet Nargin in Matlab? In Matlab gibt Epochen an, wie oft die Gewichte und Schwellenwerte der Neuronen basierend auf dem Ausgabefehler während der Berechnung angepasst werden.

Überprüfungsmethode:

(1) Verwendung der Netzwerk-Linearschicht

1,Zelleneingabeformular

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

Zielwert T={4 5 7 7}

Verwenden Sie adapt;

Geben Sie den Befehl ein:

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

T={4 5 7 7};

net=linearlayer(0,0.1);

net=configure(net,P,T);

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

net.b{1}=0;

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

Das Gewicht wird 4 Mal aktualisiert, der Endwert ist:

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

net.b{1}=0,9200

Simulationsergebnisse: [0] [2] [6,0000] [5,8000]

2, Matrix-Eingabeformular

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

Ausgabe T=[4 5 7 7]

Verwenden Sie adapt;

Geben Sie den Befehl ein:

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

T=[4 5 7 7];

net=linearlayer(0,0.01);

net=configure(net,P,T);

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

net.b{1}=0;

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

Das Gewicht wird einmal aktualisiert, der Endwert ist:

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

net.b{1}= 0,2300

3, Matrix-Eingabeformular

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

Ausgabe T=[4 5 7 7]

Zug verwenden; (Epochen = 1)

Voraussetzung: Explizite Aufrufbefehle zur Lernfunktion und Trainingsfunktion hinzufügen

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

T=[4 5 7 7];

net=linearlayer(0,0.01);

net=configure(net,P,T);

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

net.b{1}=0;

net=trian(net,P,T);

Das Gewicht wird einmal aktualisiert, der Endwert ist:

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

net.b{1}= 0,2300

Schlussfolgerung: Bei statischen Netzwerken ist die Zelleneingabe von Linearlayer und Adapt Online-Lernen, während die Matrixeingabe Offline-Lernen ist, was einer Zugrunde entspricht.

Was dynamisches Networking betrifft: Tun Sie es, wenn Sie Zeit haben.

Das obige ist der detaillierte Inhalt vonKriging dreidimensionaler Interpolation mit MATLAB. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!