数学建模仿真教程-10.2 中药材产地的鉴别_第1页
数学建模仿真教程-10.2 中药材产地的鉴别_第2页
数学建模仿真教程-10.2 中药材产地的鉴别_第3页
数学建模仿真教程-10.2 中药材产地的鉴别_第4页
数学建模仿真教程-10.2 中药材产地的鉴别_第5页
已阅读5页，还剩6页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

CONTENTS目录01020304模块1初等模型模块2微积分模型模块3线性代数模型模块4概率与统计模型数学建模仿真教程0506模块5优化模型模块6多元统计模型07080910模块7综合评价模型模块8时间序列模型模块9空间解析几何模型模块10神经网络模型1112模块11差分方程模型模块12灰色预测模型Chapter章节10模块10本模块介绍了基于神经网络的知识和方法建立数学模型的过程。其中，神经网络主要包括BP和RBF神经网络。数学建模仿真教程【问题描述】已知有某种中药材20个，来自于3个产地，它们在20个波数（单位为cm-1）上的吸光度如表10.3所示。现有同种中药材4个，但不知产地，它们的吸光度如表10.3所示。请使用数学建模方法解决以下问题：对这些药材的产地进行鉴别。（本题来自全国大学生数学建模竞赛2021年E题）步骤一，模型假设各产地中药材在波数1、波数2、…、波数20上具有显著的区分度。换言之，如果各产地中药材在某个波数上没有显著的区分度，那么该波数就失去了鉴别的价值，就可以删去。步骤二，模型建立根据假设，以波数1～波数20为自变量，以产地为因变量，选择适当的模型，便可对未知产地的中药材进行鉴别。这里选择BP神经网络模型，输入变量有20个，输出变量有1个，在训练网络时，模拟误判率需要低于一定的阈值，因此需要进行搜索确定。步骤二，模型建立步骤二，模型建立小提示：（1）在作判别分析时，通常使用误判率指标来检验模型的精度。（2）误判率分为模拟误判率和预测误判率。（3）预测误判率根据检验样本的取法，又分为两种，如果已知产地的样本量大，就直接取，例如取10%作为检验样本（其余90%作为训练样本）；如果已知产地的样本量小，就用留一法。步骤三，模型求解请扫码观看视频根据表10.3中的数据，把已知产地的20个样品全部用于训练神经网络，给定模拟误判率的阈值为0%，在此基础上训练神经网络，最后把未知产地的4个样品数据代入训练好的神经网络进行鉴别，结果如表10.4所示。步骤四，结果检验由于模拟误判率为0%，表明所建立的BP神经网络模型的精度较高。步骤五，回答问题

人人文库> 全部分类> 教育资料 > 作文作品

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论