主页 / user-1043882

hasanghaforian's questions

Martin Hope
hasanghaforian
Asked: 2024-01-15 18:22:31 +0800 CST
  • 6

我想通过 绘制两个梯形 MF 的合成Octave。这是我尝试过的：

%MAX composite

pkg load linear-algebra

tx = ty = linspace (-10,10,100)';
cartesian_prod_domain = cartprod(tx,ty);
a = -6; b = -2; c = 2;d = 6;

trape_x = max(min(min(1, (cartesian_prod_domain(:,1) - a)/(b - a)), -(cartesian_prod_domain(:,1) - d)/(d - c) ),0);
trape_y = max(min(min(1, (cartesian_prod_domain(:,2) - a)/(b - a)), -(cartesian_prod_domain(:,2) - d)/(d - c) ),0);

cartesian_prod_range = (max([trape_x, trape_y]'))';

plot3 (cartesian_prod_domain(:,1), cartesian_prod_domain(:,2), cartesian_prod_range);

这就是我得到的：

在此输入图像描述

正如你所看到的，它是有线的；但我想要得到这样的东西，它有表面：

在此输入图像描述

也许可以通过以下方式完成mesh：但我不能。我怎样才能得到那个？

plot
Martin Hope
hasanghaforian
Asked: 2024-01-08 18:59:28 +0800 CST
  • 6

假设我有这 7 个时间序列样本：

1,2,3,4,5,6,7

我知道每个样本与其之前的两个样本之间存在某种关系。这意味着当您知道两个较早的样本时1,2，您就可以预测下一个样本一定是3，并且2,3下一个样本是4，依此类推。

现在我想为上述样本训练RNN一个LSTM层。我所做的是：

import numpy as np
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

X = np.array([[[1]],[[2]],[[3]],[[4]],[[5]],[[6]],[[7]]])
Y = np.array([[3],[4],[5],[6],[7]])

model = keras.Sequential([
    layers.LSTM(16, input_shape=(2, 1)),
    layers.Dense(1, activation="softmax")
])

model.compile(optimizer="rmsprop",
loss="mse",
metrics=["accuracy"])

model.fit(X, Y, epochs=1, batch_size=1)

但我遇到了这个错误：

ValueError: Data cardinality is ambiguous:
  x sizes: 7
  y sizes: 5
Make sure all arrays contain the same number of samples.

我不知道我要如何改变形状X并Y解决问题？

python