lm算法程序
Ⅰ 什么是Levenberg-Marquart算法
中文译文：列文伯格-马夸尔特法，是最优化算法中的一种。
最优化算法是寻找使得函数值最小的参数向量。它的应用领域非常广泛，如：经济学、管理优化、网络分析、最优设计、机械或电子设计等等。
根据求导数的方法，可分为2大类。
第一类，若f具有解析函数形式，知道x后求导数速度快。
第二类，使用数值差分来求导数。
根据使用模型不同，分为非约束最优化、约束最优化、最小二乘最优化。
附LM算法例子：
在LM算法中，每次迭代是寻找一个合适的阻尼因子λ，当λ很小时，算法就变成了GAuss-Newton法的最优步长计算式，λ很大时，蜕化为梯度下降法的最优步长计算式。
Ⅱ MATLAB 中 LM算法的函数是什么
http://www.mathworks.com/matlabcentral/fileexchange/16063-lmfsolve-m-levenberg-marquardt-fletcher-algorithm-for-nonlinear-least-squares-problems
Calling of the function is rather simple:
[x,ssq,cnt] = LMFsolve(Equations,X0); % or
[x,ssq,cnt] = LMFsolve(Equations,X0,'Name',Value,...); % or
[x,ssq,cnt] = LMFsolve(Equations,X0,Options) % .
去看吧
好像没有二维的.
你最好看看这个函数,根据LM算法的意义修改一下
Ⅲ Levenberg-Marquardt算法谁知道急
这是最小二乘拟合中的一种算法，外文的参考资料很多。你可查阅数值计算方法的书中的最小二乘拟合的相关内容。要真正搞清楚的确不易。不过有现成的算法程序可以使用。例如http://users.bigpond.net.au/amiller/lm.zip
Ⅳ 基于MATLAB的神经网络BP算法改进LM算法的交通流量的源代码！
matlab2010程序。x,t为流量数据和分类结果。
net = feedforwardnet(20);
net.trainFcn = 'trainlm';
net = train(net,x,t);
view(net)
y = net(x);
perf = perform(net,y,t);
Ⅳ LM算法的迭代公式如下：的翻译是：什么意思
你好!
LM算法的迭代公式如下
The iterative formula of LM algorithm is as follows
Ⅵ 求用C语言编的LM拟合算法（Levenberg-Marquardt 算法）
http://wenku..com/link?url=__T_FJ94kfzm1wmvsr7MlDifKLT7ZWcG
Ⅶ 为何微软系统中一LM和NTLM两种算法并存
为何微软系统装的Lim和until的两种算法，并从可能是，这也是一个存在的一种趋势。
Ⅷ 关于神经网络LM训练算法的一些问题
1.初始权值不一样，如果一样，每次训练结果是相同的 2.是 3.在train之前修改权值，IW,LW,b，使之相同 4.取多次实验的均值 一点浅见，仅供参考
Ⅸ MATLAB中训练LM算法的BP神经网络
1.初始权值不一样，如果一样，每次训练结果是相同的
2.是
3.在train之前修改权值，IW,LW,b，使之相同
4.取多次实验的均值
一点浅见，仅供参考
训练误差是否降到一定范围内，比如1e-3，
将训练样本回代结果如何，
训练样本进行了预处理，比如归一化，而测试样本未进行同样的处理
这样的归一化似有问题，我也认为“测试数据的归一化也用训练数据归一化时得出的min和max值”，
请参考这个帖子http://www.ilovematlab.cn/thread-27021-1-1.html
测试数据带入训练好的神经网络误差当然不会达到1e-5，这是预测啊。
但将训练数据带入误差必然是1e-5，算法终止就是因为达到这个误差才终止，这个误差是由训练数据的输入、输出以及神经网络的权值、激活函数共同决定的，神经网络训练完后，权值、激活函数定了，同样的数据再代入神经网络，误差会不等于1e-5？
第二个问题：不可能每个值都达到1e-5，1e-5是MSE（mean square error），它们的平方和除以总数再开方，mse（E）必为1e-5
另外，LM算法虽然训练最快，但是预测精度一般不好，不如gdm，gdx