公告


赛特达开博了,非常高兴这样的季节能够和大家一起分享这样的喜悦。赛特达在获得大家新老朋友的支持的同时也希望能够一起分享最前沿的技术信息。希望各位能够常来坐坐,也常来聊聊!crack

关于我

<2020年6月>
31123456
78910111213
14151617181920
21222324252627
2829301234
567891011

最近来访

留言簿(0)

文章分类

文章档案

相册


最新评论

请问,如果想让DOE中的试验方案在一台机器中实现分布计算,也就是四个核心,每个核心处理一个方案,该怎么做?--【匿名用户】:E-works热心网友 spred
不错!!--卢玉琴
那么请问isight&nbsp;fd能不能进行类似的mdol语言开发呢?有没有相关资料?--【匿名用户】:E-works热心网友
能否较详细介绍一下开发的一个简单实例啊。--【匿名用户】:E-works热心网友
为什么语言介绍并不更新啊?--【匿名用户】:E-works热心网友
博主您好,我初次接触这种抽样法,感觉一头雾水。很幸运看到您的博文,请您能详细介绍一下拉丁超立方抽样好吗?最好举例说明。谢谢!--【匿名用户】:E-works热心网友
我用的是isight8.0可以实现并行计算吗--【匿名用户】:E-works热心网友
太经典了!对于我这样刚刚迈出校园的学生来说,真是醍醐灌顶啊!多谢楼主的教导之言!--【匿名用户】:E-works热心网友
很好的资料
请问你有包含图片的完整文档吗?
可否发一份networm_2005@163.com
谢谢--【匿名用户】:E-works热心网友
logs中写的错误类型是stderr:&nbsp;Estimated&nbsp;disk=1.2MB
stderr:&nbsp;Estimated&nbsp;DOF=80
stderr:&nbsp;Estimated&nbsp;memory=32MB
之类的错误,不知道是什么原因

--【匿名用户】:E-works热心网友
请问一下,做过isight集成nastran的案例吗,我用的是isight-fd版本,集成nastran2007,结果总是出错,不知道什么原因,烦请高手指点一下--【匿名用户】:E-works热心网友
好的&nbsp;谢谢--【匿名用户】:E-works热心网友
说得是没错,但那些政府管员,当管的都拿老百姓的呀,大家一起努力吧,改变中国现在的样子吧,--【匿名用户】:E-works热心网友
好!--【匿名用户】:E-works热心网友
清华大学有N多个大学校长,俺想知道这五句话是哪个校长说的?&nbsp;
--【匿名用户】:E-works热心网友
谢谢答疑解惑
--【匿名用户】:E-works热心网友
--【匿名用户】:E-works热心网友
请问Isight&nbsp;for&nbsp;Abaqus——by&nbsp;hannah在abaqus的哪个版本中有啊?--【匿名用户】:E-works热心网友
Re&nbsp;2楼:
如果想让DOE中的各个实验方案分到不同的机器上并行计算的话,单机版的Isight-FD是不行的,必须在FIPER并行分布环境中才能实现。在这个FIPER环境中,Isight-FD只是它的一个客户端,另外还有一个客户端叫Station,这样一旦Isight-FD把各个方案提交到FIPER环境中后,FIPER环境的服务器端ASCS就会自动的把任务分到各个机器的Station上来并行或分布执行。--赛特达
Isight&nbsp;for&nbsp;Abaqus是我们的另外一个产品,优化方面功能和Isight-FD基本是一样的,只不过这个产品只能集成Abaqus,不能集成其它的软件。

--赛特达

阅读排行榜

评论排行榜

关于神经网络归一化方法的整理


由于采集的各数据单位不一致,因而须对数据进行[-11]归一化处理,归一化方法主要有如下几种,供大家参考:


、线性函数转换,表达式如下:
y=(x-MinValue)/(MaxValue-MinValue)
说明:xy分别为转换前、后的值,MaxValueMinValue分别为样本的最大值和最小值。


二、对数函数转换,表达式如下:

y=log10(x)
说明:以10为底的对数函数转换。


、反余切函数转换,表达式如下:

y=atan(x)*2/PI
归一化是为了加快训练网络的收敛性,可以不进行归一化处理

归一化的具体作用是归纳统一样本的统计分布性。归一化在0-1之间是统计的概率分布,归一化在-1--+1之间是统计的坐标分布。归一化有同一、统一和合一的意思。无论是为了建模还是为了计算,首先基本度量单位要同一,神经网络是以样本在事件中的统计分别几率来进行训练(概率计算)和预测的,归一化是同一在0-1之间的统计概率分布;

当所有样本的输入信号都为正值时,与第一隐含层神经元相连的权值只能同时增加或减小,从而导致学习速度很慢。为了避免出现这种情况,加快网络学习速度,可以对输入信号进行归一化,使得所有样本的输入信号其均值接近于0或与其均方差相比很小。

归一化是因为sigmoid函数的取值是01之间的,网络最后一个节点的输出也是如此,所以经常要对样本的输出归一化处理。所以这样做分类的问题时用[0.9 0.1 0.1]就要比用[1 0 0]要好。

但是归一化处理并不总是合适的,根据输出值的分布情况,标准化等其它统计变换方法有时可能更好。


关于用premnmx语句进行归一化:

premnmx
语句的语法格式是:
[Pn,minp,maxp,Tn,mint,maxt]=premnmx(P,T)
其中PT分别为原始输入和输出数据,minpmaxp分别为P中的最小值和最大值。mintmaxt分别为T的最小值和最大值。

premnmx
函数用于将网络的输入数据或输出数据进行归一化,归一化后的数据将分布在[-1,1]区间内。

我们在训练网络时如果所用的是经过归一化的样本数据,那么以后使用网络时所用的新数据也应该和样本数据接受相同的预处理,这就要用到tramnmx


下面介绍tramnmx函数:

[Pn]=tramnmx(P,minp,maxp)
其中PPn分别为变换前、后的输入数据,maxpminp分别为premnmx函数找到的最大值和最小值。

by terry2008


matlab
中的归一化处理有三种方法:

1. premnmx
postmnmx
tramnmx
2. restd
poststd
trastd
3.
自己编程

具体用那种方法就和你的具体问题有关了

pm=max(abs(p(i,:))); p(i,:)=p(i,:)/pm;

for i=1:27
p(i,:)=(p(i,:)-min(p(i,:)))/(max(p(i,:))-min(p(i,:)));
end
可以归一到0 1 之间

0.1+(x-min)/(max-min)*(0.9-0.1)
其中maxmin分别表示样本最大值和最小值。

这个可以归一到0.1-0.9

发表于: 2008-07-31 15:35 赛特达 阅读(10090) 评论(0) 收藏 好文推荐

发表评论(网友发言只代表个人观点,不代表本网站观点或立场。)

您尚未登录,请先【登录或注册