解决优先排序差分Z级数使用辐射基本函数初始值

抽象性

论文中基于RBF提出了方法求一阶差方程数字解法,初始值由Z级数组拟方法由两部分组成第一部分说明碎片化解决办法限制量,第二部分说明第一部分保证度限制段还分两部分第一部分包括问题初始条件,第二部分包括RBF网络置信区间还被视为基于概率函数函数函数的函数,该函数计算出第一部分(限值)的置信度RBF网络或弧基网分三大层:输入层即基本节点集第二层是隐藏高维层,输出层响应网络响应和输入层使用激活模式使用RBF的好处是使用这一技术不需要足够的信息。它只依赖域和边界举一例,我们已经显示,我们所建议方法可以令人接受的信心近似问题

开工导 言

数学新概念的兴起叫做模糊集 模糊微分方程研究 提供了一个合适的基础 数学建模现实世界问题以科学工程为例,许多问题都限于通过数学建模过程的一组模糊微分方程求得精确解决办法并非简单易行,应使用数值方法一号-8..其中一个方法就是弧基函数法

广度弧基函数方法基础离散数据内插定位法,同时高求合率九九..这种方法是现代近似理论函数近似最常用方法10..

RBFs优先使用Broomhead和Lowe11..其大都用于RBF网络的理论、设计和应用12,13..本文中14使用规范理论类神经网络 被展示为一种方法 增强新数据泛化在RBF方法中,数据通过函数线性组合插值高精度和伸缩度与问题几何学、维度独立性和易实现性相比,这种方法一直得到高度考虑。当今,RBFs在某些情况下使用,例如估计、建模、预测和包括地球科学在内的各个领域分类15-19号..除此以外,这些方法用局部衍生物解决数值微分方程20码..数值方法使用RBF的主要长处是非网络特征非联网方法中,不需要生成问题领域正规网络,而由于网络生成计算成本高,这是这些方法对有限差分法和有限分数等的主要优势RBF近似时使用的几何特征是点间距离很容易计算空间维度的距离,结果提高维度,不增加RBF方法的复杂性eg独立电网功能不需电网,仅使用空间点数项研究基于RBF解析各种方程例举中21号RBF的半数函数加上BKM边界节点法和AEM模拟方程法的时维分解22号RBF解决时间依存椭圆方程23号RBF和MOL线段时间维度解决时间依赖非线性方程24码RBF使用基于Exitian插值Fokker-Planck方程中25码RBF和准空间方法解决sin-Gordon方程26使用RBF时间自主函数

如前所述,模糊集论是一种强法模型处理不确定性和信息依赖数学模型但他们需要信任才能使这些信息有用人有明确能力根据模糊、不准确或不完整信息作出理性决策正式化这一能力至少有些难预测作者建议定理调用Z级数字,这是一对普通模糊数字 [27号..第一部分 限值变量不确定X级内值或实值 度量第一个组件的可靠性典型化 并 描述自然劣势举个例子,约45分钟,非常确定雅格使用Z级-数计算总线等待时间28码..Kang Wang使用Z号在2012年模棱两可环境中决策29..Ezadi和Allahviranloo初始介绍Z级基础通用神经网络Z级基础回归30码..并展示方法排序Z级2017年和2018年数31号,32码..并介绍2019Z级高级数进程一号..深入调查Z级-数研究者三十三-36号..不过,已在几个领域进行了研究Z级微分方程37号..

本文中,我们尝试提供数值法解决初始值基础微分方程Z级数组内段2基本概念和定理也显示内段3RBF广度基函数网络介绍内段4方法排序微分方程Z级基于广泛RBF网络值显示内段5中表示并最终引用数值示例

二叉初创性

本节提供必要的定义和所需定理,用这些定理建议模型

定义一定义Z级-数号)
本估价Z级依据Zadeh建议观察限制 并解释如下[27号: 说真的 意思是 . 去哪儿 成员函数模糊集 并 中位值 . 概率密度函数 ,并 概率函数 ,因为我们不知道基本概率分布从此信息中可以清楚地看出概率分布函数本身是一个模糊数

定义2参数形式Z级-数字数)
假设 正集 ,任意Z数 参数化函数由排序对函数表示: 及其组件满足下列需求:

定义3平面图 )
让我们考虑Z级成为 ,去哪儿 .我们说Z级常态化Z级数目if ,去哪儿 高度为 [37号..

定义4高山市Z级数初始值问题
现实世界中, 大部分现象都基于猜疑和信息, 我们从经济、政治和物理等各种题目获取信息,在此, 我们尝试编译并调查 信息初始值问题, 而我们初始数据Z级数组比方说,评价人口增长问题Z级-数数据(人口增长高常数) 并思考如何信息 下次像t1为此目的,首先,我们认为ZIVP为(5并研究问题求解之生存和独特性37号..假设 正集Z级数组泛式微分方程初始值基础 定义如下: 去哪儿 , 持续映射 进到 , 算法Z级数入 ,并 .
假设 算法 -估值并依次28码万事通 去哪儿 限制值 度量可靠性第一组件 .面向 ,假设宿原差 并 ,定义 去哪儿 概率分布函数

2.1.高斯函数定义

高斯函数由表单函数定义 去哪儿 , ,并 实常量系数 欧拉数形状对称快速下降为0常量 定义曲线峰值 判定峰中心位置 标准偏差

3级RBF网络

RBF网络图解一号中层领先网络类型,先由Broomhead和Low介绍11上图一号)使用这种方法,高斯函数中间层和转移函数输出层的函数转移线性[38号,三十九..一般来说,RBF网络培训分为两个部分第一部分主要是非监控式学习使用聚类方法,基本函数参数(中心与纬度)使用输入信息确定,第二部分监测从类型学习中间层和输出层之间的权值使用斜坡减法和线性回归法测定RBF中间神经元连接到每个输入神经元并加权值参数参数中心神经元中间神经输出函数输入矢量间距离 和弧中向量 ,计算方式如下:

平均神经元输出可以不同方式计算向此目标转移主函数为高斯函数三十九:

以本案为例λ常数系数最后,输出层输出从下方程计算

就此 权值系数介于j大全中间神经元k神经元输出层 ,输出j大全中间层神经元结果评价使用root平均平方误差统计、RMSE和判定系数 .RBF网络的一个重要点是选择转移函数类型,即建模人的责任重要问题之一是注意数据特征和统计变量举例说,如果RBF类型高斯,函数宽度很重要,应当选择,以便数据点间距离较大,数据维度小设计RBF网络的另一个问题就是中间层使用中心数选择这些中心与网络精度和复杂性直接相关,应选择这些中心平衡期望精度和复杂性

4级解决优先排序差分Z级数使用辐射基本函数初始值

假设 表示集Z级一阶微分方程Z级-数初始值定义如下:

方程分解12可重写形式参数定义37号: 中输入13) 模糊函数 实函数 并 ,分别有一定模糊度和实值 并 作用约束 并 作用可靠性 并 . 介绍如下:

带下参数表 去哪儿 表示符号 -切除并

定理一IVP12)有独一性Z级过程求解

证明基于[27号关系12关系13)等值内13) 模糊函数并引入关系14)面向每个 -割切关系14关系15)等值另一方面,模糊初始值问题15内有独有解法(基于定理3.2)40码))相似点 .可见ZIVP12)有一个独特的解决办法
求方程解析总进程12)使用非网络物理域法,我们将问题显示为域内散点集分数常例或异常,但无论如何必须覆盖全域并近似未知函数以这种方式,我们认为求解空间基础和求解基础成员线性组合在这一过程中,从基础功能方面扩展这一解决方案基本句子系数不为人知等方程中必须保留这些系数使用基本射线函数内向时,输入数据维度中心数被视为等值,以便实现高精度本文建议使用RBF通用RBF法Z级基数方式确定主要问题的初始条件如下: 中 函数模糊值 可依赖函数类型与实值或模糊值,传值 并 ,表示约束函数和信任尺度 .关于定义Z级-数解释17)描述如下
if 华府市 ,后似然性 华府市 )华府市 .
在此定义 详解 衍生函数 : 这种方法计算方程约束段近似解法,同时计及问题初始条件并基于带模糊系数的泛型RBF网络来 同切- 即被视为RBF网络中心 定义如下: 去哪儿φ非线性函数空间 ,指转移函数某些双基传输函数 ,除依赖距离函数外,还依赖因子ε取决于函数延时扩展,函数与标准偏差正常分布关系 )显示如下: 中值 可按问题类型判定高斯基转函数15)其他一些RBF数学关系可见表一号; 神经网络中心 矩阵权值系数 从中间层输出到输出层 .值含模糊值事实上,当中心(点数) 常数,网络训练使用数据查找权值矩阵进程可用一种形式和数据完成,或通过增加RBF核心数,权函数可分几步更新训练操作从数据划分成训练测试集完成后,RBF中心数目和位置以及传输函数φ都决定。数方程系统线性代数实施培训由权值和偏差组成X级和输出y市.

况且 函数指定约束段的置信度并基于指数函数,我们用表单定义问题初始条件如下:

关于关系17)和(b)21号),我们将有

原位 含混值 值定义可重写如下形式:

以此为例方程22号可重写形式如下:

传值 也是一个模糊数字,必须计算

我们现在想从函数衍生 i.e. 面向此目的出自函数23号),所以我们有

以本案为例 计算方式如下:

优化权值 并 ,最小化归并误差函数

定义如下

意指

4.1.网格辐射基函数数值建模

RBF算法函数输入点与定点中心间距离函数显示φ调用弧基函数φ高山市X级) =φ.因此,此函数φ可应用到空间向量 仅表示距离形式意指φ可视之为数值函数欧几里得距离矩阵应用使用函数表示φ[41号: 去哪儿f级高山市X级)是估计函数 常数函数 都是一样的 -切片实战转换数值函数φ切入点φ矩阵中,我们可以使用表单中的公式 .函数φ应用欧几里得距离矩阵并称转移矩阵转移函数类型确定时使用数 方程输入数据 ,可获取系数 :

集保持到向量 ,For 和矩阵N级×N级从方程组推导反向为了平衡复杂性精度,我们可以使用所有N级数据点本模型或数数k点数 ,考虑RBF中心 : 假设输出多重性时,将给定泛化函数α向量系数 系数矩阵RBF网络与显示模式稍有不同,分层二映射:第一,映射空间维度 N级至 并绘制输出层 [42号,43号: 去哪儿 考虑RBF中心 切入- 并 输出层权重设计RBF网络时,在大多数情况下,中央层单元数远小于输入数据数,但在使用弧基函数插值时,带维度的中间层中心数等同输入数据数和输入数据输入数转函数依赖变量时,例如高斯函数(也依赖变量)σ并因为在许多模型中假设高斯函数宽度确定很重要宽度因子控制软性并延长转移函数当函数宽度小时,相关空间和函数表示方式小也小其结果是,需要多中心培训对比之下,估计精度下降,如果空间相关并代表广义函数插值法中常用的用弧基函数考量所有中心宽度

5级数值实例

本节显示新方法行为属性,我们讨论模拟结果实例模拟Matlab12和目标函数12最小化启动初始权值随机选择

实例1考虑下列一阶FDE FDE精确解法 假设初始值基础Z级-数如下: 在这种情况下,微分方程34号可重写如下: 假设ZDE正解法 我们建议的方法如下: 去哪儿 近似解决方案与RBF网络培训比较50分并选择λ=1表显示2.神经网络权数聚合 -切图显示2.图中显示近似方法与精确方法的比较3.图中显示实际回答和近似解决方案置信度对比4.

实例2考虑下列第一阶ZDE FDE精确解法 假设初始值基础Z级-数如下: 在这种情况下,微分方程34号可重写如下: 假设ZDE正解法 我们建议的方法如下: 去哪儿 近似解决方案与RBF网络培训比较50分并选择λ=1表显示3.神经网络权数聚合 -切图显示5.图中显示近似方法与精确方法的比较6.图中显示实际回答和近似解决方案置信度对比7.

6级结束式备注

论文中,我们建议一种新的方法解决一阶差分方程Z级数字初始值不确定使用广度下弧基本函数H级-differentiability.一开始问题划分为两部分:第一部分限值和第二部分可靠性RBF方法 求上下解法 问题限制段方程这种方法的主要长处是模糊方程归结为解决两个线性方程系统问题并用从建议前半段方法获取的信息计算置信度 并用指数函数计算函数可靠性本文提供的数字调查显示,即使在少数节点用于分析时,也可获得极精度对比之下,还需要多节点才能在其他方法中实现相对高精度数值示例包括证明技术有效性和可应用性,计算机使用Matlab笔码执行方法可用于解决高维线性非线性方程

数据可用性

未使用数据支持此项研究

利益冲突

作者声明他们没有利益冲突