基于ANN的导航系统答案

【问题标题】：ANN-based navigation system基于ANN的导航系统
【发布时间】：2012-03-24 16:18:45
【问题描述】：

我目前正在研究一个使用星形拓扑结构的 Zigbee WSN 的室内导航系统。

我目前有大约 15m x 10 区域内 60 个位置的信号强度数据。我想使用 ANN 来帮助预测其他位置的坐标。在经历了许多线程之后，我意识到规范化数据会给我带来更好的结果。

我尝试过，并重新训练了我的网络几次。我设法将 MATLAB 的 nntool 中的目标参数设为 0.000745，但在我将训练样本作为测试输入，然后将其缩小后，它仍然给出了一个值。

0.000745 的值意味着我的数据非常接近，对吧？如果是，为什么会出现这种异常情况？我正在除以最大值并乘以最大值以分别归一化和缩放值。

有人可以解释一下我可能会出错的地方吗？我是否使用了错误的训练参数？（我使用的是 TRAINRP，4 层，每层 15 个神经元，目标为 1e-8，梯度为 1e-6 和 100000 个 epoch）

我是否应该为此考虑使用 ANN 以外的方法？

请帮忙。

【问题讨论】：

【解决方案1】：

你缩放了什么？输入还是输出？是否为您的训练集缩放输入+输出并且在测试时仅缩放输出？

您使用哪种错误度量？我假设您的“目标参数”是一个错误度量。是 SSE（误差平方和）还是 MSE（均方误差）？ 0.000745 似乎非常小，通常您的训练数据应该几乎没有错误。

对于初始测试，您的 ANN 架构可能太深，隐藏单元太少。尝试不同的架构，例如 40-20 个隐藏单元、60 HU、30-20-10 HU，...

您应该生成一个测试集来验证您的 ANN 的泛化性。否则过拟合可能是个问题。

【讨论】：

【解决方案2】：

对于空间数据，您始终可以使用高斯过程回归。使用适当的内核，您可以很好地预测并且 GP 回归是一件非常简单的事情（只需矩阵求逆和矩阵向量乘法）您没有太多数据，因此可以轻松完成精确的 GP 回归。有关 GP 回归的好消息，请查看 this。

【讨论】：