使用Gekko优化循环起搏策略，收敛到局部不可行的点
Gekko是一个开源的、基于JavaScript的、用于执行数学优化的库。它可以用于优化循环起搏策略，以使其能够收敛到全局最优解。
循环起搏策略是指根据市场条件和交易信号，通过不断调整参数来决定交易策略的一种方法。优化循环起搏策略的目标是找到能够在给定市场条件下最大化收益的参数组合。
使用Gekko优化循环起搏策略的流程如下：
- 数据准备：收集和准备用于优化的历史市场数据。这些数据可以包括价格、成交量、技术指标等。
- 策略定义：定义起搏策略的参数和逻辑。起搏策略可以是基于技术指标、市场趋势或其他交易信号的规则。
- 优化设置：确定优化的目标函数和参数范围。目标函数可以是最大化收益、最小化风险等。参数范围定义了每个参数可能的取值范围。
- 优化执行：使用Gekko的优化算法，对起搏策略的参数进行搜索和优化。Gekko提供了多种优化算法，如遗传算法、粒子群算法等。
- 结果分析：分析优化结果，评估每个参数组合的性能。可以使用回测等技术来验证优化结果的有效性。
使用Gekko优化循环起搏策略的优势包括：
- 开源且易于使用：Gekko是开源的，可以免费使用并根据需要进行定制和扩展。它具有简洁的API和文档，使得使用和理解变得更加容易。
- 多种优化算法：Gekko提供了多种优化算法，可以根据不同的问题选择合适的算法。这些算法可以帮助提高优化的效果和效率。
- 灵活性和可扩展性：Gekko提供了灵活的参数设置和策略定义，可以根据具体需求进行调整和扩展。同时，Gekko可以与其他技术指标库、交易平台等进行集成，提供更强大的功能和扩展性。
循环起搏策略的应用场景包括股票交易、加密货币交易等金融领域的量化交易。通过优化循环起搏策略，可以提高交易策略的稳定性和盈利能力。
腾讯云提供了一系列与云计算相关的产品和服务，其中包括：
- 腾讯云计算服务（CVM）：提供了灵活可扩展的虚拟机实例，用于支持各种计算需求。
- 云数据库（TencentDB）：提供了多种数据库类型，如关系型数据库（MySQL、SQL Server等）和NoSQL数据库（MongoDB等）。
- 云服务器负载均衡（CLB）：用于将流量分发到多个服务器实例，提高应用的可用性和性能。
- 腾讯云函数（SCF）：是一种事件驱动的无服务器计算服务，可用于处理后端逻辑和事件触发。
- 腾讯云对象存储（COS）：提供了高可用性、高可靠性的对象存储服务，用于存储和管理各种类型的数据。
以上是一些腾讯云相关的产品，你可以根据具体需求和场景选择适合的产品和服务。更多腾讯云产品信息和详细介绍，请参考腾讯云官方网站：https://cloud.tencent.com/
相关·内容
我在IPOPT (v3.12.10)中遇到本地不可行错误。
Converged to a point of local infeasibility. Problem may be infeasible.
我还使用m.options.SOLVER=1对APOPT求解器进行了尝试，并得到了类似的错误。
No feasible solution
这个问题有两个方程和三个变量的多个可行解。这个问题的解决方案是平面与球体相交的地方。
from gekko import GEKKO
m = GEKKO()
x=m.Var(); y=m.Var(); z=m.Var()
m.Equations([x**2+
浏览 31提问于2019-10-27得票数 1
我正在优化的问题是在输电网络中建设发电厂。为了做到这一点，我在每一辆公共汽车上设置了发电厂，让优化告诉我应该建造哪些发电厂，以尽量减少运行成本。
为了对工厂的放置进行建模，我尝试使用一个二进制变量数组，如果使用了该工厂，它将标记为一个变量，否则为0。然后在目标函数中最小化，我将这个数组乘以一个常数：USEW。
我已经做了几次尝试，但没有做任何工作。似乎起作用的是直接在Obj中使用 Gekko函数。漏斗。然而，我得到了非常奇怪的结果。我的代码有点长，所以我只会张贴相关的行，希望这个想法是明确的，如果不是，请让我知道，我发布了整个事情。
bus=node=24
t=24
Sbase=100.
Ge
浏览 4提问于2020-05-19得票数 4
回答已采纳
1回答
我想为影响某些存储所使用的磁盘空间的算法找到参数的最佳组合。因此，使用几个算法参数(x1, x2, x3，其中0 < x1 < 1, 10 < x2 < 100, 0.1 < x3 < 0.5)作为模型的输入，存储S(x1, x2, x3)占用的磁盘空间是我想要最小化的成本函数。
问题是每个函数调用S(x1, x2, x3)都非常昂贵，可能需要几分钟甚至几个小时才能结束，因此准备培训集几乎是不可行的。相反，我希望ML库建议使用哪些(x1, x2, x3)值组合来估计下一个优化步骤的S值。
我相信这个任务对于主要的ML框架来说是很常见的，但是我还没有找到合适的
浏览 0提问于2021-12-13得票数 0
回答已采纳
如果我将一个布尔变量初始化为0，我会得到一个不正确的解(0)。如果我把它初始化为1，我得到了正确的解(1)。
# Squaring doesn't work
#######################################################
m = GEKKO(remote=False)
b = m.Var(lb=0,ub=1,integer=True, value=0)
m.Maximize(b**2)
m.options.SOLVER = 1
m.solve(debug=0, disp=True)
返回：
Successful solution
浏览 2提问于2021-02-21得票数 2
我正在使用scipy库来解决一个优化问题。我的目标函数是一个SVR回归器。不同的初始值给出不同的最佳值。为什么会这样呢？ import numpy as np
from scipy.optimize import minimize
from scipy.optimize import Bounds
bounds = Bounds([26,26,8,6,400,100,0,25,2],[36,38,28,28,1800,800,100,50,7])
def objective(x):
x_trail = x.reshape(1,-1)
x_trail = sc_X.tra
浏览 25提问于2019-05-10得票数 0
我是GEKKO的新用户，最近开始制作一个处理非线性炉膛模型的MPC应用程序。我目前正在使用Spyder IDE测试该应用程序。
我想在linux系统上使用它，并且能够在我自己的计算机上本地运行代码，所以我目前不能使用标准的IPOPT求解器。我目前正在尝试使用APOPT和BPOPT求解器作为替代(使用m.options.SOLVER = 1)。我之前在IPOPT中测试了这个模型，它可以正常运行。
当我在启用当前APOPT求解器的情况下运行代码时，求解器能够为最初的初始步骤找到一个成功的解决方案，但最终无法找到可行的解决方案。
以下是求解器输出的示例：
对我来说，最直接的事情是，该模型目
浏览 5提问于2020-07-07得票数 2
1回答
Gekko整数优化问题
、、、、
我尝试使用此代码，结果是(2,2)。显然这不是真的，因为(0,4)是最好的解决方案。你能告诉我问题出在哪里吗？ import numpy as np
from gekko import GEKKO
m = GEKKO()
x=[m.Var(lb=0,ub=4,integer=True) for i in range(2)]
m.options.SOLVER = 1
#Equations
m.Equation(m.sum(x)>=4)
#Objective
m.Obj(x[0]*x[1])
m.solve(disp=False)
print(x[0].value)
print
浏览 20提问于2021-01-03得票数 4
回答已采纳
1回答
我正在尝试简单的实验来学习scipy的SLSQP优化器。 我采用了下面的函数： def obj(x):
return -1*((x[0]*x[0])+(x[1]*x[1])) 它是雅可比矩阵： def jacj(x):
return [-2*x[0],-2*x[1]] 它的界限是： bounds=[(0,1),(0,1)] 一个简单的约束-- x+2*x1<=1： cons2=({'type':'ineq',
'fun':lambda x: np.array([-(x[0])-2*(x[1])+1]),
浏览 88提问于2019-09-04得票数 0
1回答
我一直在使用gekko来优化一个生物反应器，以示例12 ()为基础。
我的模型稍微复杂一些，包括6个状态、7个状态和2个操纵变量。当我运行它的时间小值(t ~20)，模拟是能够收敛(虽然需要一个良好的时间分辨率(dt < 0.1)。但是，当我试图延长时间(例如，t= 30)时，它的失败与以下错误相当一致：
EXIT: Converged to a point of local infeasibility. Problem may be infeasible
我尝试了以下几点：
使用不同的m.options.SOLVER = 1,2,3的求解器
将m.options.MAX_ITE
浏览 7提问于2022-10-05得票数 2
我试图复制K. Renee Fister和Jennifer Hughes Donnelly，2005的论文“免疫疗法:最优控制理论方法”图1中的结果。为此，我使用Python的GEKKO软件包编写了一个数值最优控制求解器。我使用了与本文相同的初始条件、控制界、参数值和模型方程。但是，当我运行代码时，会得到以下错误：
Traceback (most recent call last):
File "xxxxxx", line 45, in <module>
m.solve(disp=False) #solve
File "xxxx",
浏览 0提问于2019-07-08得票数 4
我正在尝试获得与gekko的最佳时间间隔(在下面的示例中是10) from gekko import GEKKO
from random import random
n = 100000
arr = [random() for i in range(n)]
df = pd.DataFrame({"w1" : arr, 'w2' : arr}, \
index=pd.date_range(start='1/1/2018', periods=n, freq='T'))
df.w2 = df.w2.shift(10)
浏览 17提问于2021-09-19得票数 1
3回答
梯度下降收敛
、、
我是数学和计算机专业的双学位，对机器学习感兴趣。我目前正在选修安德鲁教授的热门课程。他在谈论和解释梯度下降，但我不能不注意到一些事情。以我的数学背景，我知道如果我试图找到函数的全局最小/最大值，我必须首先找到所有的临界点。这门课程讨论的是GD的收敛性，但它真的能保证收敛到全球最小值吗？我怎么知道它不会卡在马鞍上？做一次二阶导数测试不会更安全吗？如果我的函数是可微的，它似乎是合理的，它收敛到一个局部最小值，而不是全局最小值。我试图寻找一个更好的解释，但似乎每个人都认为这是理所当然的，毫无疑问。有人能给我指明正确的方向吗？
浏览 0提问于2019-03-26得票数 1
我一直试图在TF Federated的联合学习图像分类笔记本教程上描述学习过程(准确性和损失)。
我看到通过修改epoch超参数，收敛速度有了很大的提高。从5，10，20等改变时期。但我也看到训练精度的大幅提高。我怀疑过拟合正在发生，尽管然后我评估了测试集的准确性仍然很高。
想知道发生了什么事。？
我的理解是，纪元参数控制每轮训练中每个客户的前进/后退道具的数量。这是正确的吗？因此，在10个客户上进行10轮培训，10个时期将是10个时期×10个客户×10轮。意识到需要更大范围的客户端等，但我预计在测试集上会看到较差的准确性。
我能做些什么来看看发生了什么。我可以使用学习曲线之类的评估检查来查看
浏览 0提问于2020-05-28得票数 1
这段代码在python中的目标值为568，但这段代码的MATLAB版本给出了70。我不明白为什么。也许是关于解决方案的？
from gekko import GEKKO
import numpy as np
m = GEKKO(remote=False)
capacity=np.array([70, 55, 51, 43, 41, 80])
demand=np.array([60, 57, 62, 38, 70])
cost=np.array([[5, 4, 5, 7, 2],
[2, 9, 2, 6, 3],
[6, 5, 1, 7, 9],
[7, 3, 9,
浏览 0提问于2020-05-19得票数 3
回答已采纳
我喜欢约束y模型中的变量值u<1。将名称添加到变量定义u=m.Var( ub=1 =‘u’，value=0，lb=-2，ub=1)，但它导致“找不到解决方案”(退出:收敛到局部不可行的点。问题可能是不可行的。)我想我必须重新表述这个问题来避免这种情况，但我还没有找到应该如何做到这一点的例子。当约束变量值时，我如何写一个合适的模型来避免不可行解？ 我通过添加像m.Equation(u < 1)这样的方程来重新表述这个问题，但没有成功。 import numpy as np
from gekko import GEKKO
import matplotlib.pyplot as pyp
浏览 15提问于2019-09-13得票数 3
1回答
我正在尝试用Python 3中的GEKKO运行一个微分方程系统解算器(通过Jupyter notebook)。
对于错误的初始参数，它当然会立即停止，并表示找不到解决方案。或者立即结束而不对参数/函数进行改变。
对于其他初始参数，CPU (任务管理器中的APM.exe)忙碌30秒(取决于问题大小)，然后回到0%的使用率。但一些计算仍在运行，不会产生输出。停止它的唯一方法(而不是完全杀死python )是停止APM.exe。我还没有得到一个解决方案。
在这样做的时候，我得到了disp=True的输出，它已经进行了一定次数的迭代(对于相同的初始参数也是如此)，并且：
No such file or
浏览 0提问于2020-04-11得票数 2
我正在求解一组模拟方程(IMODE = 1，SOLVER = 3)。IPOPT解决程序解决到一个可接受的级别并退出，但是gekko返回一个错误并返回我的解决方案。根据IPOPT文档，可接受级别的公差为1.0e-6，这与gekko使用的OTOL和RTOL的默认值相同(以及我正在使用的值)。我能够修改gekko.py源代码以获得返回的答案，但通过这样做，我绕过了所有类型的错误。我不希望所有错误都被绕过，因为它们显然有助于调试其他问题，比如不可行。是否有我缺少的m.solve选项，或者当IPOPT解决到可接受的水平时不触发错误的另一种方法？
浏览 1提问于2019-09-19得票数 2
回答已采纳
2回答
我正在解决一个具有三个变量(w，V，m)的(约束)非线性最小化问题。给定w，最小化问题对于(V，m)是(约束)线性的。线性最小化问题在w_0，w_1中定义为w。
我建立问题的方法是，给定w，我求解一个约束线性规划，然后用bounds = ((w_0, w_1),)最小化w，w的范围作为界。当w上的最小化搜索超出它的界限时，我遇到了问题，即搜索到一个没有定义线性规划的区域。
有没有办法限制搜索不超出提供的范围？如果不是，还有其他选择吗？通过更严格的界限？如果向目标函数传递的值超出边界，是否使其返回一个较大的值？
我很抱歉不能提供一个最小的工作示例。
下面是一些伪代码：
from scipy.op
浏览 2提问于2016-10-25得票数 0
3回答
我试着用一种最陡峭的方法来最小化离散函数。这应该是相当简单的，但我有困难的搜索‘爬升’从任何地方的最低。这是我用Mathematica编写的代码，但语法很容易理解。
x = {some ordered pair as a beginning search point};
h = 0.0000001; (* something rather small *)
lambda = 1;
While[infiniteloop == True,
x1 = x[[1]];
x2 = x[[2]];
x1Gradient = (f[x1-h,x2]-f[x1+h,x2])/(2h);
x2G
浏览 6提问于2011-07-06得票数 1
1回答
我用Java创建了一个使用反向传播算法学习的人工神经网络，我制作了以下图表，显示了改变学习率如何影响网络训练所需的时间。
这似乎表明，学习是非常不稳定的，因为它要么训练正确，要么很快就会卡住(反向传播将在1分钟或特定的错误阈值停止训练)。我想知道为什么网络如此不可预测，是不是势头太高了？我需要一个自适应的学习率吗？这是一个很好的例子，说明了局部最小值如何影响训练。
这是我生成的图表：
浏览 1提问于2015-08-11得票数 0
我需要解决一维飞机飞行的最优控制问题。我有一架1000米高的飞机。我需要它沿着x轴前进1000米，同时最大限度地减少燃料消耗。当它达到x=1000时，我需要停止程序。 我的目标函数如下所示：min J => -mass(tf)。(通过最大化质量，消耗的燃料得到最小化)。优化器控制油门踏板。 该问题受以下约束：dx/dt = V；dV/dt = (Throttle - Drag)/mass；dm/dt = -Throttle * fuelflow。 我已经开发了一个Gekko / Python脚本，如下所示。但是，优化脚本不能实现解决方案，从而引发： Exception: @error:
浏览 19提问于2021-04-19得票数 2
回答已采纳
3回答
使用遗传算法进行校准，但为了避免遗传算法收敛于局部最优值，我希望使用人工神经网络来找到全局最优值。安，该怎么做呢？谢谢。
浏览 0提问于2011-07-09得票数 2
2回答
在机器学习回归问题中，为什么计算导数函数的局部最小值而不是实际函数的局部最小值？
示例：
应用梯度下降算法来寻找函数$$的局部最小值
f(x)=x^4−3x^3+2, ----(A)
使用导数
f'(x)=4x^3−9x^2. ----(B)
这里，为了用梯度下降算法求函数(A)的局部最小值，他们使用了(A)的导函数，即函数(B)。
浏览 1提问于2013-02-12得票数 3
回答已采纳
1回答
我制作了一个神经网络，并绘制了训练集和验证集的损失图。对于验证，我得到了阶跃函数类型的损失，而对于训练，我得到了这些奇怪的尖峰。现在我知道我的模型没有学到任何东西，因为我的损失很高，但我仍然想知道这些峰值到底意味着什么。我的意思是为什么我会有这些尖峰。我一直在寻找文学作品，但找不到一个解释。可能是在梯度下降期间，我的模型移动到接近局部最优的位置，然后迈出了巨大的一步，然后离开了，但是这些峰值似乎是周期性发生的。我不知道是什么导致了阶跃函数的验证。我也附上了一张图片。
浏览 17提问于2020-06-04得票数 1
回答已采纳
我正在使用Matlab中的fmincon函数。当您运行函数并调用输出时，我一直在试图弄清楚‘constr违犯’是什么意思。当你过早地得到不可行的解或解结束时，你就会得到一个非零(&非整数)的解析式。
我放了一张屏幕快照作为参考。
我已经搜索了文档，它的意思是“约束函数的最大值”，我不知道这意味着什么。它不是整数，所以我的第一个猜测是，它是违反(或满足)约束的百分比。
任何帮助都将不胜感激。
浏览 4提问于2017-10-30得票数 0
回答已采纳
例如，我尝试在一个随机的MDP上运行lambda迭代迭代。我注意到根据lambda的值得到不同的策略。TD(1)和TD(0)能给出不同的最优策略吗？
更新:增加我的初始值函数在两种情况下都会得到相同的结果。
浏览 0提问于2020-02-13得票数 0
1回答
我是gekko和APM的新手，我试着解决一个问题，但是在二元变量中的一个新方程似乎不可行，这个方程应该是可行的。以下是简化的APM模型：
Model
Variables
int_v1 = 0, >= 0
int_v2 = 0, <= 1, >= 0
v3 = 0
v4 = 0
v5 = 0
v6 = 0
End Variables
Equations
(0+int_v1)>=100
v3=((3.15)*(int_v1))
v4>=((int_v2)*(300))
v5=(0+((in
浏览 2提问于2020-04-24得票数 4
回答已采纳
1回答
因此，我试图解决IPOPT (python)中的一个非线性微分优化问题。我需要最小化时间的航天器轨道，其中的运动方程是由圆形限制的三体动力学描述。轨道是从地球到L1之间的太阳-地球系统.我有固定的初始和端点位置和速度坐标，我需要积分微分方程，这样从地球到最终位置的时间是最小的。在CRTBP的动力学中，我在x，y，z，方向加上无量纲推力，是这个优化问题的控制变量。这导致路径约束，在每个推力段，总推力大小必须小于或等于每个推力分量的平方之和(见下面的问题公式图)。
我对最优控制相关的问题和软件，如IPOPT和GEKKO都很陌生。我试着用IPOPT作为优化软件在GEKKO中编写这个问题，但
浏览 16提问于2022-03-13得票数 3
2回答
我想用GEKKO来解决以下优化问题：
Minimize x'Qx + 1e-10 * sum_{i=1}^n x_i^0.1
subject to 1' x = 1 and x >= 0
但是，下面的代码返回sol = [0., 0., 0. ,0. ,1.]和Objective: 1.99419作为解决方案。这远远不是最优的，我将在下面解释原因。
import numpy as np
from gekko import GEKKO
n = 5
m = GEKKO(remote=False)
m.options.SOLVER = 1
m.options.IMODE = 3
浏览 6提问于2022-06-21得票数 3
回答已采纳
1回答
我一直在使用自己的简单代码进行蒙特卡洛模拟，以创建样本投资组合。虽然有效，但我不觉得我得到了最好的结果。 我不是学数学或其他专业的。是否可以使用gekko来求解某个投资组合，如最高夏普比率或最小方差、最高收益等？ 在我尝试自己解决这个问题之前，我想知道这是否可能。 我一直在网上寻找代码示例，但似乎什么也找不到。有可能吗？有什么想法吗？
浏览 28提问于2021-03-14得票数 1
回答已采纳
为什么我们在非常非凸的损失函数上使用梯度下降，例如在深度网/RNN中，而不是用启发式搜索(遗传算法、模拟退火等)？
浏览 0提问于2020-11-14得票数 0
回答已采纳
我有一些表示路径的离散数据点，我希望最小化一个对象到这些路径点之间的轨迹之间的距离，以及其他一些约束。我正在尝试gekko作为解决这个问题的工具，为此我做了一个简单的问题，我用抛物线和路径约束来建立数据点。我试图解决这个问题
from gekko import GEKKO
import numpy as np
import matplotlib.pyplot as plt
import time
#path data points
x_ref = np.linspace(0, 4, num=21)
y_ref = - np.square(x_ref) + 16
#constraint fo
浏览 2提问于2020-07-01得票数 2
1回答
我对编程很陌生，我的第一个Python项目是非线性编程。我正在使用的Gekko优化套件，我有一切正常运行，但需要指导如何准确地在本地运行它。下面是文档所提供的解释和代码，但是我需要一些帮助来帮助我自己如何准确地完成它，以及它到底意味着什么。请表现得像在向小孩子或金毛猎犬解释一样。
run目录m.path包含模型文件gk0_model.apm以及远程(默认)或本地(m=GEKKO(remote=False))运行优化问题所需的其他文件。使用m.open_folder()打开run目录。run目录还包含诊断文件，如如果解决程序找不到解决方案时生成的infeasibilities.txt。可以更改
浏览 7提问于2022-09-20得票数 2
我尝试过使用GEKKO包进行优化的电动汽车充电调度。但是，当代码设置为小于或等于零时，我的代码就会卡在一些可变边界条件上，即x=m.Array(m.Var、n_var、value=0、lb=0、ub=1.0)。错误消息是“错误代码0不成功”。下面是我的python脚本。如果你对这个问题有什么建议，请告诉我。
谢谢,
奇猜
#------------------------------
import numpy as np
import pandas as pd
import math
import os
from gekko import GEKKO
print('...... P
浏览 2提问于2022-01-26得票数 2
回答已采纳
我试图用GEKKO来优化指数目标函数，但我不知道所选的求解器是否是解决这类问题的最佳方法。
选择的是有效的选择吗？？
import numpy as np
'GEKKO MODELING'
from gekko import GEKKO
m = GEKKO()
m.options.SOLVER=1 # APOPT is an MINLP solver
# Initialize variables
x = []
x1 = m.Var(value=20,lb=20, ub=6555) #integer=True
x2 = m.Var(value=0,lb=0,ub=1000
浏览 0提问于2019-08-20得票数 7
回答已采纳
我正在用梯度下降法优化一些损失函数。我尝试了不同的学习速度，但目标函数的值正收敛到相同的精确点。
这是否意味着我陷入了局部极小值？，因为损失函数是非凸的，所以不太可能收敛到全局极小值。
浏览 0提问于2016-07-11得票数 3
回答已采纳
我试图用一维卷积神经网络从x，y，z加速度计和陀螺仪数据(6个特征)中将数据分类为行走或跑步(以及最终的其他活动)，并对不同的参数进行扫描。
当我根据我的数据训练和评估模型时，我有时获得100%的精度，而有时则得到60%的精度(有一些参数的组合导致了~99%)。这些模型看起来不像从训练v验证损失曲线中过度拟合，但我觉得奇怪的是，我有时得到100.000%，然后其他人那么低。
为了了解是否总是这样，我对每个模型进行了15次训练和评估，并取了平均值和标准差。大多数参数组合都显示了这种行为，有些则没有。
例如(结尾的值是对未见数据的准确性)：
>Standardize=False Filter
浏览 0提问于2019-08-12得票数 0
回答已采纳
我创建这篇文章的目的是为了了解一个奇怪的行为，当我试图使用来自驱动程序ScipyOptimizeDriver的优化器COBYLA时，我注意到了这个奇怪的行为。实际上，当我试图解决Betz限制(这是OpenMDAO建议的示例之一)时，它有时超过了我为设计变量"a“设置的边界。
通常，变量"a“应该始终在0到1之间。但是，通过使用相同的Betz限制示例代码，并在每次迭代时打印设计变量"a”，我得到了如下结果：
Design iteration number: 1
Input a: [0.5]
Output Cp: [0.5]
Design iteration numbe
浏览 4提问于2022-06-01得票数 1
回答已采纳
我有一个有两个输入变量的神经网络，一个有两个神经元的隐层和一个输出神经元的输出层。当我从一些随机生成的权重开始(从0到1)时，网络学习XOR函数的速度非常快，而且很好，但是在其他情况下，网络从来不学习XOR函数！你知道为什么会发生这种情况吗?我怎样才能克服这个问题？会不会涉及到一些混乱的行为？谢谢!
浏览 2提问于2015-04-05得票数 0
回答已采纳
我正在尝试写一篇关于neutral_work在MNIST数据集上的培训的文章。为什么优化器没有收敛？还能做些什么来提高我得到的准确率？
import matplotlib.pyplot as plt
from sklearn.datasets import fetch_openml
from sklearn.neural_network import MLPClassifier
print(__doc__)
# load data from http://www.openml.org/d/d554
X, y = fetch_openml('mnist_784', versi
浏览 1提问于2019-07-26得票数 2
我已经找了一段时间了，但是在任何地方都找不到这个问题的答案，如果它是重复的，很抱歉！ 我已经开始构建一个基于xarray-simlab framework的python package，目标是提供一个模块化工具箱，用于构建可重现的、灵活的海洋生态系统模型。Xarray-simlab目前只支持显式步长来求解模型函数。为了更安全高效地解决复杂模型，我开始使用GEKKO作为求解器后端，因为模型语法似乎很适合。(注意:目前，我只需要随时间推移求解模型方程的功能，但我希望在以后的阶段利用GEKKO的优化功能将模型参数拟合到现场或实验室数据。) 包的当前原型创建了一个xsimlab流程类，该流程类将GE
浏览 18提问于2020-06-26得票数 2
回答已采纳
在尝试从R惩罚包运行optL1时，使用逻辑模型：
optL1(OS_event_ID, sdf, data=sdf, model='logistic', standardize=TRUE, fold=10)
..。然后，我遇到了一个似乎与依赖项相关的错误：
error code 46 from Lapack routine 'dtrtrs'
Error : Matrix inversion failed. Please increase lambda1 and/or lambda2
有没有人对如何解决这个问题有什么见解？谢谢!
浏览 0提问于2014-04-02得票数 1
2回答
我正在为一个机器人应用程序运行一个SAC强化学习器，取得了一些不错的结果。我选择强化学习的原因之一是为了在现场学习的能力，例如，调整以适应机械变化，如磨损的轮胎或车轮稍微偏离对齐。
我的强化学习器在启动时恢复它最后保存的权重和重放缓冲区，所以它不需要每次我打开它时都重新训练。然而，我关心的一个问题是优化器。
自从ADAM以来，优化器已经走过了很长的路，但我读到的所有东西和我看到的所有RL代码样本似乎仍然使用具有固定学习率的ADAM。我想利用一些优化器的进步，例如one cycle AdamW。然而，单周期优化器似乎不适合连续的真实世界强化学习问题:我认为它对于初始训练/校准非常好，但我预计低的
浏览 3提问于2020-01-21得票数 0
1回答
在Python Gekko中，有没有办法将目标函数限制在一个范围内？我用了10年的时间完成了示例optimization problem on the economics of a commercial fishery。可调参数是鱼的生产率(收获率)。目标函数是在10年内从经营中获得的利润。数学术语中的优化问题是： ? 解决方案和Python Gekko代码是： ? from gekko import GEKKO
import numpy as np
import matplotlib.pyplot as plt
# create GEKKO model
m = GEKKO
浏览 29提问于2020-01-01得票数 2
1回答
我在用LSTM训练Keras。
我注意到批处理的大小越小，损失在期间减少的越多:因此，这使我认为网络一次可以处理更少的项目。
一般来说，这是一种正常的行为吗？
浏览 0提问于2020-04-24得票数 6
回答已采纳
1回答
我需要解决一个涉及向量的极小化问题，我正在使用cern的根和Gekko来尝试解决这个问题。但是我需要用Gekko变量来构造根四向量/三，这样操作就更容易了。
所以我有x1，x2和x3作为gekko变量。我想构建一个数组，类似于：
x=( x1*sin(x2)_cos(x3)，x1_sin(x2)*sin(x3)，x1 )
这有可能吗？我能用它做手术吗？比如：
m.equation(x*x ==20)
诚挚的问候。
浏览 7提问于2021-12-16得票数 2
回答已采纳
在Python GEKKO中顺序求解模型(例如，使用IMODE >= 4)在使用GEKKO附带的max2和max3函数时失败。 这适用于np.maximum或标准max函数将GEKKO参数视为数组的用例，这并不总是预期的用法，或者在与整数进行比较时可能会产生错误。 最小代码示例： from gekko import GEKKO
import numpy as np
m = GEKKO()
m.time = np.arange(0,20)
y = m.Var(value=5)
forcing = m.Param(value=np.arange(-5,15))
m.Equation(
浏览 25提问于2020-12-02得票数 2
回答已采纳
我有一个关于在随机GD中更新θ的问题。我有两种方法来更新θ：
1)利用前面的θ，得到所有样本的所有假设，然后根据每个样本更新θ。比如：
hypothese = np.dot(X, theta)
for i in range(0, m):
theta = theta + alpha * (y[i] - hypothese[i]) * X[i]
2)另一种方法:在扫描样本时，使用最新的θ更新假设。比如：
for i in range(0, m):
h = np.dot(X[i], theta)
theta = theta + alpha * (y[i] - h) * X[i
浏览 2提问于2014-05-29得票数 0
回答已采纳
我可以使用scipy.optimize最小化这个函数吗？
def obj(x):
Budget = ((df['CPP TA 30'] / 30 * df['TVC']) * x).sum()
x = (x - min_train_x) / (max_train_x-min_train_x)
x = np.array([x])
return (0.05 * model.predict(x) - (1.7 * (Budget / 10**10)))[0][0]
x0 = np.random.uniform(size = 23)
x
浏览 15提问于2017-12-14得票数 1
1回答
如何实现线性回归
、、、、
当从零开始执行线性回归模型时，我很难实现与sklearn相同的结果。
在调整了学习速率后，经过两次迭代，我得到了这个二进制分类任务的AUC值为0.694。但使用相同的数据和sklearn的LinearRegression模型，AUC为84.5。有什么办法改进这种模式吗？
这是密码。
def loss_function(feat_x_i, y_i, weight_0, weights_i, not_bias):
# In case we are computing the weight of a feature (not the bias)
if not_bias != 0:
浏览 0提问于2022-12-09得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
