lm算法原理

‘壹’ 求牛人讲解一下光束平差法的原理，包括里面的黑塞矩阵是怎么用的。。。

使用的是非线性最小二乘法，再具体就是LM算法等。一种最优化和迭代的思想。至于塞黑矩阵，其实是在x，y两个方向求导形成的矩阵，所以你可以想象成一个爬山的过程，选择最优的上山路线。

‘贰’ 计量经济学里的LM检验是什么意思从Eviews的回归结果来看它有什么意义

LM检验即拉格朗日乘数检验，用来检验模型残差序列是否存在序列相关。原假设是不存在序列相关；备选假设是：存在p阶自相关。检验统计量渐进服从卡方分布，如果计算得出的P值太大则拒绝原假设，认为存在序列相关。

ARCH是误差项二阶矩的自回归过程。恩格尔（Engle 1982）针对ARCH过程提出LM检验法。

自回归条件异方差 (ARCH) 检验。这种检验方法不是把原回归模型的随机误差项st 2 看作是xt 的函数，而是把st 2 看作随机误差平方项ut-12 及其滞后项, ut-22 , …， 的函数。

做原假设：残差序列中知道P阶度不存在ARCH效应

做回归u2(t)=a(0)+∑α(s)u2(t-s)+ξ(t)

u(t)表示在t时刻的残差，对以上该式做P阶之后的残差回归得到两个统计量：

F统计量对所有残差平方的之后的联合显着性所做的一个省略变量检验；

（T*R2统计量是engle's LM检验统计量

在原假设下的LM统计量在一般情况下渐进服从χ2（p)分布。

计量经济学是以一定的经济理论和统计资料为基础，运用数学、统计学方法与电脑技术，以建立经济计量模型为主要手段，定量分析研究具有随机性特性的经济变量关系的一门经济学学科。主要内容包括理论计量经济学和应用经济计量学。

理论经济计量学主要研究如何运用、改造和发展数理统计的方法，使之成为经济关系测定的特殊方法。应用计量经济学是在一定的经济理论的指导下，以反映事实的统计数据为依据，用经济计量方法研究经济数学模型的实用化或探索实证经济规律。

(2)lm算法原理扩展阅读：

学习方法

与一般的数学方法相比，计量经济学方法有十分重要的特点和意义：

研究对象发生了较大变化。即从研究确定性问题转向非确定性问题，其对象的性质和意义将发生巨大的变化。因此，在方法的思路上、方法的性质上和方法的结果上，都将出现全新的变化。

研究方法发生根本变化。计量经济学方法的基础是概率论和数理统计，是一种新的数学形式。学习中要十分注意其基本概念和方法思路的理解和把握，要充分认识其方法与其它数学方法的根本不同之处。

研究的结果发生了变化。我们应该知道，计量经济学模型的结论是概率意义上的，也可以说是不太确定的。但真正要理解其不确定性的含义，并不那么简单，学习中需要始终关注这一点。

理论计量经济学和应用‎计量经济学 理论计量经济学（Theoretical Econometrics）以介绍、研究计量经济学的理论与方法为主要内容，侧重于理论与方法的数学证明与推导，与数理统计联系极为密切。理论计量经济学除了介绍计量经济学模型的数学理论基础和普遍应用的计量经济学模型的参数估计方法与检验方法外，还研究特殊模型的估计方法与检验模型。

应用‎计量经济学（Applied Econometrics）则以建立与应用计量经济学模型为主要内容，强调应用模型的经济学和经济统计学基础，侧重于建立与应用模型过程中实际问题的处理。

‘叁’ 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

‘肆’ 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。

‘伍’ 求用C语言编的LM拟合算法（Levenberg-Marquardt 算法）

http://wenku..com/link?url=__T_FJ94kfzm1wmvsr7MlDifKLT7ZWcG

‘陆’ 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

‘柒’ 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

‘捌’ LM散列算法中str_to_key()函数是什么

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

‘玖’ LM324原理

【LM324原理】LM324是四运放集成电路,它采用14脚双列直插塑料封装,外形如图所示。它的内部包含四组形式完全相同的运算放大器, 除电源共用外,四组运放相互独立。每一组运算放大器可用图1所示的符号来表示,它有5个引出脚,其中“+”、“-”为两个信号输入端,“V+”、“V-”为正、负电源端,“Vo”为输出端。两个信号输入端中,Vi-（-）为反相输入端,表示运放输出端Vo的信号与该输入端的位相反;Vi+（+）为同相输入端,表示运放输出端Vo的信号与该输入端的相位相同。LM324的 引脚排列见图2 ：

图2

由于LM324四运放电路具有电源电压范围宽,静态功耗小,可单电源使用,价格低廉等优点,因此被广泛应用在各种电路中。

【LM324】M324系列是低成本的四路运算放大器，具有真正的差分输入。在单电源应用中，它们与标准运算放大器类型相比具有几个明显的优势。该四路放大器可以工作于低至3.0 V或高达32 V的电源电压，静态电流是MC1741的五分之一左右（每个放大器）。共模输入范围包括负电源，因此在众多应用中无需外部偏置元器件。输出电压范围也包括负电源电压。