这个是我最近要用 ASP 做的东西，大致讲一下。 首先，我们已经有 n+1 组的开奖号码，假设第 n+1 组号码 跟前面 n 组是有关连的，那我们就可以用这 n 组号码当做 类神经网路的「输入」，把第 n+1 组号码当做「期望输出」 则第一步就是对输入及输出做「标准化」，一般是把号码标 准化到 0～1 之间。(例如奖号 3 -> 3/49 = 0.0612) 接着，我们就需要权重向量 W，用来跟输入向量相乘，得到 「实际值」。通常权重向量最初是用 random 产生，并令其 各值介於 0~1 之间。通常 W 是 1xn 的向量。 那权重向量跟输入向量相乘後，会得到「实际输出」向量， 而实际输出跟期望输出之间是有落差的，对这个落差做特殊 的计算得到如下的值.. 1 __ 2 E = --- x ＞ (实际值i - 期望值i) 2 ￣ 而 W 的调整就可以依照底下的公式来算... W = W - 学习速率 x E，学习速率一般选 <1 的值即可。 然後因为 E 恒正，输入跟期望输出也恒正，所以 W 里面的 每一个元素也会越来越小，则乘出来的实际输出每经过一次 上面的计算後也会越来越小，循环之後每一次的 E 也就越小 ， 因此这里可以设定一个终止误差值，例如 0.0001，只要 E 算出来小於 0.0001 即终止计算。 这时得出的 W 就是我们要的权重向量。 那实际上，其实还会配发一组「偏权值向量bias」，以上面 为例它类似 W x X = Y，然後藉 Y 与 Y' 之间的误差来调 整权重 W。加上偏权值的做法则类似 W x X + B = Y，然後 同样藉由 Y 与 Y' 之间的误差，同时调整 W 及 B 向量。 它的好处就是不会让 X 与 Y 之间的「线性」过於明显，也 就是说实际上你不可能由前面 n 组号码得出准确的第 n+1 组号码(不然人人都是大富翁了)，我们需要一些非线性的因 素，这即是偏权值的作用。 威力彩从年初开到现在刚好 60 组号码，那麽理论上我们就 可以取 59 组号码来当输入，把第 60 组来当输出。 另一种做法就是从 60 组里每 10 组 10 组地依序取出，比 方第一次取 1-10 组，第二次取 2-11 组，... 然後也依序 以第 11,12,13,... 组号码来当做期望输出，然後其训练的 方法就是以这 60-10 群号码(每群10组)来做训练这样，这样 就可以得到 50 群的输入。 这两种号码各有优缺点。 总之做法很多，因此它的重点在於你怎麽定义你的「输入及 输出」，以及你所选用的「类神经网路模型」。我自己在过 去思考论文的过程中有想到一种做法叫做「主管决策模式」 ，这次刚好 ASP 也很熟了(不然应该用 matlab..但忘光了) ，拿来写这模型就刚好。 不用圣殿写的原因则是因为.. 1.假设需递回 1000 次以上，圣殿会 crash。 2.需要用到很多的小数，用圣殿的 code 写很麻烦。 总之这次的目标就是建构威力彩彩号预测模型。 Laechan --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 210.61.157.53