基于 metal lab 的温度模糊控制,打开 file controller m, 点击运行。 运行结果。
粉丝3152获赞8390



模糊逻辑小车控制一种用于模拟小车的简单模糊逻辑控制。打开 run random lab m, 点击运行 运行结果。

使用模糊逻辑算法控制给定交叉口的红绿灯系统,打开 menm, 点击运行, 运行结果。


大力版 atop 模糊控制器仿真 用 log 老日方程建立二级大立版系统的非线性数学模型,在平衡点处对极限性化,打开 entat, 读 m 文件, 点击运行, 运行结果。


好,然后我就简单的分享一个那个 metamb 神奇网络工具箱的一个简单应用吧。然后呃,这是就是为了那个节省时间,我把它每一个截了个屏,就是 那个不用不用运行,咱们就可以节省时间,但是里面内容都有。然后这是咱们直接进入那个 matamb 的界面, 大概就是这样样子。然后呃右边这这块地方叫工作区,他主要是用来查看你的那个呃函数,以及一些就是变量这些呃这些东西,然后这个是命令窗口,命令窗口的话是用于你输入一些命令,然后让他那个 出一些命令,比如说是我这两条命令,就是第一个 x, 呃,第一个就是我建立一个变量 x, 并让他从零到二派,然后不长是零 点一个派进行个取值,然后第二个是 y 乘以 y 是呃三 ex, 然后再加上零点一 round, round 一 round 一是随机,从零到一产生一个随机数,然后我乘以零点一的话,就是相当于是从零到零点一产生一个随机数, 然后我见这两个命令,命令完执行完之后,你就可以看到我在右边这个工作区,我就有这个 xoy 这两个边量以及他所存呃存储的数据了。呃,然后这是命令窗口,如果你需要就是写很多的代码的话,这上面会有相应的 就是按键,这里就不用再给大家叙述了。然后紧接着我是使用那个马达莫自带的呃工具包,也就是这个 app, 他一共有主页绘图 app, 你点这个 app 他会弹出这些东西, 然后我用的是这第二个,呃 nature, 呃 network, 呃,呃 fitting, 就是意思就是那个神经网络礼盒,然后左边这个的话,它是起一个剧类的功能,然后右边第二个右边就是相当于是第三个这个图标的话,它大概是一个识别的作用。然后第四个这个的话 就是可以起到一个类似于时间序列的一一个那个预测的功能,呃,大家如果有需要的话可以自己下去了解一下。然后这次我们主要讲这个第二个是你网络拟合工具箱,然后他这个大概意思就是一个是你网络的介介绍, 然后这边是他的一个流程图,然后那个杜老师上课也给咱们介绍过,然后我们直接点这个 next 就行。比如点 next 的话,我们就进入到这样一个页面,这个页面的话就是需要你输入,输入两 个就是输入变量,输入和输出变量,然后并且选择他的那个方式,然后我们输入进来之后可以看到右边这个呃 summary, 就可以呃 summary 里面就会弹出你这个数据的一些特征,比如我刚才说的它里面的特征就是二十一个样本一个元素, 然后我们把 x y 选择之后,就是通过你调这个呃竖,就是那个行矩阵和列列矩阵,通过调整这个呃软,就是这这两个按钮的话,你可以就是看到你这个 数据的呃 summary, 然后根据你呃的实际的 summary, 然后就是调整合适了之后,我们直接进入下一个环节,直接点 next 就行,然后进入下一个页面的话,它是这样一个样子,它主要是 就是默认的是呃训练,这个这三个分别代表我们神经网络里面的训练级、验证级和测试级,我们输入的二十一组样本,他就是默认百分之七十作为我们的训练级,然后进行神经网络的训练, 然后百分之十五作为我们的验证机,就是训练他通过将训练好的百分之七十的数据训练好的神经网络,呃, 再将这验证级的百分之十五的数据带入这个训练好的神经网络之中进行进行一个验证,验证出来,然后再进行呃,进行就是 呃进一步的调节这个神经网络精度,然后最后会有百分之十五来作为一个测试级,就是相当于对我们一个就是这个神经网络进行一个评价,然后这边的话 是他的一些就是介绍,然后我们呃就是直接按默认来就可以了,他也可以进行一个就是调整。直接点 next 的话,这里的话是 用用来那个填写那个隐含层个数,他默认是十层,是有一个隐含层个数,是有一个那个经验公式来算的,这里我就不再坠述了,大家有兴趣可以下去自己了解一下。然后我这里因为老师上课讲的是咱们用一层一个隐含层来, 就是那个试一下,我就这里先填一个隐含层,然后我们直接点 next, 这里这个页面的话就是, 哦,终于到了我们那个神经网络的训练的时候了。呃,上面这个按钮里面点开的话,点这个下三角这个符号的话,他会有三个方法,其实三个方法的话就是 有差异,但是呃在咱们大家就是平常日常使用的话就可以不用不用管他这个东西,然后我们直接按默认这个东西啊,默认这个方法直接点这个吹训练就行。 然后训练完之后他会弹出这样一个窗口,这样一个窗口的话是这个是迭代次数,这个 time 是他所耗费的时间。然后这些东西的话我都会给大家讲一下,然后我们从这个每一个按钮进行一个,就是我,我们我点开给大家看一下,然后这边的话是他一个 哦这里挡住了,然后我随从人家的那个就网上搜了一张图片,截了一个图给大家看一下。嗯,还记得刚才咱们有三个,那个就训练级、验证级和那个测试级吗?然后这三个级和他呃,在那个神经网络 礼盒的过程中,呃,然后与实际的数据之间的均方差和相关系数这里有一个值。然后我们也可以从就是从这几个按钮里面可以看到第一个按钮的话是这样一个图,他大概的意思就是我的 呃神经网络的迭代次数,然后这三根三条线的话是它分别的那个训练级、页任级和 测试级,这个图的话因为我们只有一层,而且这个数据只有二十一组,就是神经网络,大家众所周知都是需要大量的数据以及合适的这个隐含隐含层,这些进行一个训练数据太少,他会出现那种就是过敏核的 呃过敏盒的状态,然后我们这个的话就是不是很理想,后面有我,后面我提高了那个 数据的数量,会有那种比较有理想的图片,大家一会可以看一下。然后就不是很理想,但是就是系统运行他默认是第五次就达到了最优级,然后一共运行了十一次,一共进行了十一次迭代,在第五次的时候达到了最优级, 这个图就能表达这个含义。然后左边的中坐标是他的那个 mse, 也就是刚才说到这个军方误差。军方误差呃什么含义?大家如果不知道的话可以下去查一下,我这儿也不再赘述了。然后紧接着是第二个按钮,第二个按钮点开,他是会有这样一幅图, 大概的含义就是梯度变化,然后我们就不用管它就相当于是那个梯度变化的话,就是那个老师上课讲的那个不长,这个东西应该是。然后呃接着下一个按钮 点开的话,它是一个误差的直方图,就是呃,就就就是这么一个情况,他不同的数据局以及呃,以及他那个就是不同数据局的一个误差,做成了一个直方图的样子。然后这是他 每一个数据集与实际的呃实际数据的一个拟合的情况,然后它这个数据是 r, r 是越接近于一,它这个拟合情况是越好的。 然后紧接着这个东西的话是呃,我们就是最后的一个呃 fit, 这个按钮按完之后它会出现这么一张图,这个图是这条黑色的线,是我们拟合出来的函数,然后这里面每一个点 是我们输入的,应该是说我们输入的数据,然后这个就这个黄色的这个竖线是我们的一个误差,可以看出咱嗯,在我们数据较少的情况下,他拟合出来函数是这么一条。然后紧接着 当我们增加这个样本的训练个数,从不长,从零点一派到零点零一派,然后我们的数据也从二百二二十一组数据提升到了二百零一组数据。然后我们紧接着进行那个相同操作,但是 呃就是相同操作,其中隐含层的个数也还为一。然后使用方法以及啊训练级、验证级以及测试级,他的那个百分比也不改变的情况下,我们看一下他最后结果,这样来看的话,他这个叠带的这个线 就会比较符合实际情况,就不会像上一张那个图上一次迭代一样就出现那种过敏核情况啊。可以看出我们本次迭代只进行了十次,呃,进行十次迭代,然后在第四次我们就进行就是达到了我们的 最优解,然后这是他的那个呃不长,然后误差脂肪图以及他的这个拟合情况,哦,这是,然后我想着重给大家看的是这是咱们的那个拟合函数,大家从这就可以看出看这是零,然后这是一, 然后这边是二派,大家就可以看出他这一条你和曲线已经很接近于我们的那个呃就是呃赛引函数,但是他的这个 误差还是就是与实际数据的误差还是有很大的,就就是还是有很大的误差。 然后在此我们如果增加隐含层的个数会发生什么,我们就按他十层来计算,然后不不单独根据经验公式来测算他的隐含层个数,如果你进行科研活动的话,他这个隐含层个处是需要进行那个 根据我们那个经验公式来计算呃调出来的,我们这里就直接按他用默认值十层来进行计算,然后这是这可以看出我们就是当隐隐含层个数调成十层的话,他这个连带次数就上去了,但是 呃所花费的时间还是比较少的。然后我们每一个点开都看一下,这个接待的这个线路 就十分的美观,就我们可以看出在三百三,三百七十七次的时候,我们完成的迭代并得到了最优解。然后这是一个他的那个误差,然后误差脂肪图以及他拟合情况,我们这里就看他,他看到他那个拟合情况已经接近于一了,就 特别好,但是具体是不是过拟和情况的话,大家还是需要进行一个分析。然后这里的话我们可以看到他这个就基本不存在误差,然后拟和情况也非常好。 然后就是我的操作就到这里完了,但是其实他这个神经网络后面还可以进行保存,神经网络就是你对你现在训练得出的这个神经网络很满意的话,你就可以进行一个保存,紧接着在后续的科研活动中可以进行应用。所以我就从网上 找了些图片,然后给大家把后面的给讲一下,就是这是把那个图片关了之后,然后点 next 出现了界面,然后呃这个按钮确定就是我们如果你对这个手机网络不满意的话,我们可以进行再次训练,每次训练基本他最后得出来的手机网络是不一样的,所以 你如果不满意可以重复的进行训练,直到你满意为止,或者是一直不多次不满意,可以调节一些隐含层个数以及训练级的呃占比,然后我们直接就是呃下一步,下一步完了之后是 这个的话是让你就是他系统直接就把你这个神经网络代码生成了,但是上面这一块是生上面这个按钮是生成的比较复杂的 神经网络代码,然后下面的话是生成的比较简单的神经网络代码,具体就是如果大家感兴趣的话,可以自己下去,就是找一下他们的不同,然后下一步,下一步的话就是重点就是我们这里有一个保存网络的按钮,保存网络这里看他的 网络的名称,这些都是你可以进行自己自定义的,当你定义完成了之后,然后就可以在左下角这个 按钮一点就可以保存网络了。保存完网络之后,他这个网络就会保存到你的这个工作区这一块, 比如说你刚才呀,比如说你刚才命名的这个神经网络名称是呃。 net, 然后你这里保存完之后,它这个工作区就会出现一个。 net 的一个神经网络,然后当你需要 呃进行一个,就是重新导入一组数据进行预测啊,比如说,比如说,比如说我在这里,在我是一组数据输入一组数据,比如说是 x, 就是这个预测,然后道的函数调用,调用我们这个 刚才刚才保存的这个神经网络,然后通过这个 same 命令,然后将神经网络进行一个 进行,意思就是用我们刚才保存的这个网络对这个刚才这组数据进行一个仿真, 这这个 s i m 它的那个全称我,我不会拼,但是它这个意思是仿真,然后通过这一个命令操作,我们就可以将 x 的一个预测值 y 进行一个导出,当你这个命令操作完之后, 它这里会自动生成一个 y 的一个呃,那个变量以及它的值,然后我的那个内容就这么多,如果有错误的话,欢迎老师同学们就是批评指正。



模糊函数简单的代码,利用 mat lap 的内置函数计算给定雷达设置的模糊度。打开 meres m, 点击运行, 运行结果。

哈喽,大家好,我是波波柯南,那么今天呢,我给大家讲一下,就是用 mylive 怎么实现快速的一个数据礼盒,利用它自带的一个这个 coffee team 这个功能 啊,那么首先呢,我们要产生一组数据,当然了这个数据如果你自己之前就有的话,你可以直接把这个数据就是弄到 macliv 里面,那之前呢,我也讲过很多,就是把数据怎么导到 maclive 里面的方法,这里呢我就不讲了。首先呢,我们生成一组数据, a 呢是等于一到一百, 然后呢 b 呢是等于,比如说我们随便写一个吧,二乘以点乘于 a, 然后的平方再加上三点乘 与 a, 嗯,我这里少写了一个点,因为他是数,对数字进行处理的话,他这个符号之前要加一个点,然后,嗯,三乘以 a 吧,然后再加上一个 rain, 嗯,乘以四。好,那我们呢就得到了 a 和 b, 我们可以简单看一下 a 和 b, a 的话就是一到一百, 比较整齐啊,比较整齐,然后 b 的话就是我们刚才生成的这个数嘛,然后的话我们可以简单画个图看一下 plut a 点 b, 好,我们可以看到呢,它是这样一个曲线,它就是一个二次函数嘛,其实 然后呢,我们就接下来就讲,我就怎么把这两个数据来进行拟合,我们打开这个软件, 然后呢我们就进入这个界面,注意啊,我的是二零一八版本的,如果就是你打开这个跟我不太不太一样的话,可以考虑就是弄一个二零一八版本的。 然后呢我们进入这个界面之后,他这里呢是定义的这个,这叫什么?数据礼盒的这个名称,然后这个我们不用管他,其实我们重点是这里我们选择这里是数据 a, 就是我们把数据 a 呢是就是 xa, 就是数据,就是我们第一个数据,然后 b 呢就是我们第二个数据,然后呢我们的目的呢是对他们进行礼盒,我们可以看到就是打开之后他自己就进行了一个礼盒,嗯,但是呢这个是他是对这个东西进行礼盒,他其实是一个线性,线性的那个函数, 他礼盒的结果呢不是很好。那这里呢我们可以看到他这个 degree 是一,就是他的那个我理解是他的接四,然后呢我们把这个调成二啊,我们可以看到他基本上很完美的把,我们刚才因为我们就是一个二次函数吗?然后我们用二次函数就可以很完美的吧,就是去给他礼盒,这里这个 poor polynomo, 我觉得他应该就是一个就是次数的,就是多次多次的礼盒,然后他这里有一个限行礼盒,限行礼盒,限行礼盒的话好像效果也还可以,他这个也是等赛 b, 然后 x 的 减十的。这个我也不知道他这个线性模型到底是怎么样,我们好像可以哦,可以改,可以改,这个可以改的,然后的话是就是我们 这车最常用的改的,那就是这个就是 cut them。 用户自定义吗?用户自定义,我们可以看到这个呢,就是他不太不太能行,我们把它删掉一个试试啊,这个是指数礼盒,我们可以看到指数礼盒的效果呢是不太好的。 这里这里这个怎么写呢?其实很简单,就是我们这里呢 y 就是我们的那个结果,然后 x 就是变量,那我们写就是除了 x 以外的其他量呢,都是参数。比如说我写一个简单的 a 点成一个 x, 那这里呢就是拟合了一个数据 a, 然后呢我可以再给他加上一个 b, 对吧?那这个时候呢,他就拟合了两个,就是就我们自定义的就是 ax 加 b, 他就是一个线性的。然后呢我们还可以定义更复杂的,比如说我给他加一个嗯平方向,那这 这个时候呢,哦,我们可以看到他其实已经拟合的比较好了,然后呢我们还可以给他加上一个长数项嘛,然后比如说这个 b b 点成一个 sorry, b 点成一个,嗯 x, 然后呢我们再给他加上一个 c, 啊,这这样的话就是我们可以看到刚才我们是不是写的二和三,然后这个 c 呢,是刚才随便写了一个 rain 的一个长竖向, 然后这是我们得到一个结果,我们可以在这里面可以看到,这里呢是我们的儿儿方,儿方呢他其实 是一,那这样的情况下,其实说明我们礼盒的效果是非常非常好情况。嗯,那我们也可以自己写一些,比如说呢我们改一下,改一下,这里呢 a 呢是可以给他写上一个 a 点成一个 x 丝的,嗯, b 次方,然后加个 c, 我们可以看到它直接拟合了一个一点九八三,其实跟我们的二次方呢是比较接近的。嗯, 那这个工具呢非常的好用,那像这里呢,它有一些就是这个呢是一纸书的,它直接就是用这个 a 的 e x b, 呃, e x 就是 e 的 b x 四方来给你拟合,然后这个是一纸书的,就是这些是它让默认的,像这个高斯物 太那个什么他,他就是用的这个函数,然后去给你进行礼盒的,然后这是他的系数,然后包括下面就是有些别的,这是秘制数的,然后 还有就是其他的,就是这些呢,我也不是很了解,但是他这里呢会有一个具体的函数,你可以根据这个函数 来进行理,结合这个函数来进行理解。然后这里呢是自动礼盒,我一般是开着这个自动礼盒的,因为自动礼盒呢,就意味着就是你一旦把这个选好,他就自动给你礼盒好了,很快, 而且就算你数据量,我之前你和的都是数据量,就是七八千的,就是也基本上几秒就完成了,很快哦,他这里还可以选个数,我可以选二哦,会加上一个长数项。 然后呢我们还可以选择啊,比如说其他的,一般呢,我是习惯于用自定义的,自定义的会更方便一些。 然后呢,就除了我们这里可以你和一个变量,我们也可以你和两个变量的,嗯,假如说呢,我现在在这里再加一个变量,再加一个 c, c 呢是等于,嗯, a 点成亿加上。 哦,不能写太复杂吧,写个简单一点吧,就比如说我就二乘以 b, 二点成 b 吧,然后加上一个三乘以, 变成一个 a 的一点五次方吧。然后呢,我们生成一个 c, 这个这个少, sorry, 少写了一个那个符号,这样应该就没问题了。好,我们可以看到 c 呢,也是一乘一百的一个数,然后呢它是由 a b 来组 组合并组合出来的,那这个时候呢,我们就可以就是来你和我们的函数,我们可以把 c 写进来, c 写进来,然后我们自定义,那这里呢它就会变成,就是啊 z 等于 f x y, 那这里的话我们就可以自己自己来进行写,比如说我就写一个胚星, a 乘以 x 的 n 次方,加上未成 x 的 b 次方法,加上一个 y, 嗯, c 乘以 b 变成 的 diss 吧。哦,这里应该是少了一点 booth。 好,我们可以看到它这里呢是我们礼盒的一个效果,那这里我们可以看到这个 r 平方值呢也基本上是一,那说明呢我们礼盒得到的结果呢,是非常好的一个结果,那这里呢就是我们对应礼盒得到的参数, a 是三, b 是一点五,然后 c 是二, d 是一, 那这是我们得到的一个结果,就是完美把我们刚才写的这个式子基本上就浮现出来了,对吧?那这就是我今天讲的那个 cover 配定一个非常简单的一个应用吧,就是大家就是如果在 做一些实验之后进行需要进行树脂礼盒的话,那这个这个呢就是一个非常方便的一个工具。然后 这里呢就是有一些设置,设置的话我一般是选默认的,这里呢有一个算法,他这个是好像是信任欲吧,然后完了之后,下面这个这个方法好像也挺常用的,但是具体有什么区别呢?我没有给他细究过,那我觉得就是如果你没有特殊的要求的话,其实用他默认的就已经可以了。 嗯,那以上呢就是本期的一个全部内容,非常感谢大家的观看,如果你觉得这个视频对你有用的话,可以给我一个一键三连,谢谢大家。