8wDlpd.png
8wDFp9.png
8wDEOx.png
8wDMfH.png
8wDKte.png

使用网格搜索 MATLAB 优化 ESN 超参数

PaulProgrammer 2月前

51 0

我有以下回声状态网络 (ESN) 超参数:m_GS、k_GS、c_GS、gamma_GS。我想使用我的 ESN 通过网格海找到这四个超参数的最佳值...

我有以下回声状态网络 (ESN) 超参数: m_GS,k_GS,c_GS,gamma_GS 。我想使用我的 ESN 通过 MATLAB 中的网格搜索方法找到这四个超参数的最佳值。我想要最小化的函数是离散时间向量 L2_loss(m) ,其中 M=101 是函数中模拟时间步数 m=1,2,...,M 。因此, L2_loss 1 双向 101 量。我的尝试如下所示:

% Grid Search
ndatapoints = 20;
m_GS = linspace(0,1,ndatapoints); % [kg]
k_GS = linspace(0,100,ndatapoints); % [N/m]
c_GS = linspace(0,100,ndatapoints); % [kg/s]
gamma_GS = linspace(100,200,ndatapoints); % [N/m^3]
[m_G,k_G,c_G,gamma_G] = ndgrid(m_GS,k_GS,c_GS,gamma_GS);
fitresult = L2_loss;
[minval, minidx] = min(fitresult);
m_GS_optimal = m_G(minidx);
k_GS_opitimal = k_G(minidx);
c_GS_optimal = c_G(minidx);
gamma_GS_optimal = gamma_G(minidx);

我不确定这是否正确,因为 c_GS_optimal k_GS_optimal 都为零。我需要增加 ndatapoints 还是将其设置为等于 m

帖子版权声明 1、本帖标题:使用网格搜索 MATLAB 优化 ESN 超参数
    本站网址:http://xjnalaquan.com/
2、本网站的资源部分来源于网络,如有侵权,请联系站长进行删除处理。
3、会员发帖仅代表会员个人观点,并不代表本站赞同其观点和对其真实性负责。
4、本站一律禁止以任何方式发布或转载任何违法的相关信息,访客发现请向站长举报
5、站长邮箱:yeweds@126.com 除非注明,本帖由PaulProgrammer在本站《matlab》版块原创发布, 转载请注明出处!
最新回复 (0)
  • 我正在使用此页面上的快速入门 Go 脚本。我已按照那里的所有步骤操作,并获得了 credentials.json。当我在 Google 登录页面中授予 OAuth 同意并单击 \'

    页面 中的快速入门 Go 脚本 。我已按照那里的所有步骤操作,并已获得 credentials.json 。当我在 Google 登录页面中授予 OAuth 同意并单击“继续”时,它会将我重定向到, http://localhost/?state=state-token&code=PROBABLY_SECRET_CODE&scope=https://www.googleapis.com/auth/documents.readonly 并且我收到连接被拒绝错误。

    我不明白是什么导致了这个错误,因为我已经按照所有步骤操作了。显然我没有脚本要求的任何授权代码,所以我无法继续。

    有人能重现这个问题吗?我该如何解决这个问题?提前致谢。

  • 我解决了!

    事实证明,脚本要求我输入的代码就是 URL 中的实际密码。我只需要获取后面的部分 &code= 并将其粘贴到终端中,它就可以正常工作了。

    文档没有解释这一点,所以我假设不应该发生 ERR_CONNECTION_REFUSED(也许真的没有发生?)。Google 应该更新该页面!

  • 在我的工作中,我使用 TLC,它能给我提供像这张图片上的物体。这是一张纸,上面有一个精确高度的点。我需要检测板本身并进行测量。然后我需要...

    在我的工作中,我使用 TLC,它能给我像这张图片上的物体。它是一张纸,上面有精确高度的点。

    TLC picture

    我需要检测盘子本身及其尺寸。然后我需要将它转换成这张图片:

    enter image description here

    我认为我可以生成第二张图片,但我在斑点检测方面遇到了麻烦。我使用下面的代码和许多不同的参数,但我无法检测到它们。你有什么想法吗?

    import numpy
    import cv2
    image_path="C:/Users/jules/Downloads/Start.jpg"
    
    image = cv2.imread(image_path)
    img = cv2.resize(img, (950, 1480)) 
    output = image.copy()
    
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    
    hist = cv2.equalizeHist(gray)
    
    blur = cv2.GaussianBlur(hist, (31,31), cv2.BORDER_DEFAULT)
    
    _, thresh_image = cv2.threshold(gray, 120, 255, cv2.THRESH_BINARY)
    
    height, width = thresh_image.shape[:2]
    
    minR = round(width/65)
    maxR = round(width/11)
    minDis = round(width/7)
    
    circles = cv2.HoughCircles(thresh_image, cv2.HOUGH_GRADIENT, 1, minDis, param1=14, param2=25, minRadius=minR, maxRadius=maxR)
    
    if circles is not None:
        circles = numpy.round(circles[0, :]).astype("int")
        for (x, y, r) in circles:
            cv2.circle(output, (x, y), r, (0, 255, 0), 2)
            cv2.rectangle(output, (x - 5, y - 5), (x + 5, y + 5), (0, 128, 255), -1)
    cv2.imshow("result", numpy.hstack([image, output]))
    

    在此先感谢您的帮助 !

返回
作者最近主题: