我工作在一个路径denpendece神经网络预测应力应变行为的一组参数。输入和输出如下:
- 输入:混凝土强度、屈服强度比钢,……以统一的增量应变(800预定义的步骤)
- 输出:压力
训练数据是这样的(
行,我
是
预测变量
和
行米
是
反应变量
):
对于每一个标本,我有801行数据(800预定义的应变措施),这是一个应力应变曲线,所以数据是路径依赖。我有100个样本进行训练。我的问题是
如何对待一个样本的数据
(801行)
一批
和
提供给
神经网络
每次一个曲线(标本)
和
重复(优化),直到100年标本被美联储
吗?我想美联储数据必须是路径依赖。
我试着写一个for循环,它看起来像下面,但它将覆盖每次偏差和重量。换句话说,最后,重量和偏见只使用最后的样本数据训练(一个标本)。
输入= predVar (801 * (b - 1): 801 * b:);
目标= resVar (801 * (b - 1): 801 * b, 1);
我开发的神经网络
前馈神经网络
。在预测阶段,一个循环还建立了预测应力在每个预定义的应变措施。我一直在寻找答案在过去三周,但没有运气。任何意见和建议都是受欢迎的。
谢谢你阅读这篇文章。保持安全和健康!