這個是我最近要用 ASP 做的東西，大致講一下。 首先，我們已經有 n+1 組的開獎號碼，假設第 n+1 組號碼 跟前面 n 組是有關連的，那我們就可以用這 n 組號碼當做 類神經網路的「輸入」，把第 n+1 組號碼當做「期望輸出」 則第一步就是對輸入及輸出做「標準化」，一般是把號碼標 準化到 0～1 之間。(例如獎號 3 -> 3/49 = 0.0612) 接著，我們就需要權重向量 W，用來跟輸入向量相乘，得到 「實際值」。通常權重向量最初是用 random 產生，並令其 各值介於 0~1 之間。通常 W 是 1xn 的向量。 那權重向量跟輸入向量相乘後，會得到「實際輸出」向量， 而實際輸出跟期望輸出之間是有落差的，對這個落差做特殊 的計算得到如下的值.. 1 __ 2 E = --- x ＞ (實際值i - 期望值i) 2 ￣ 而 W 的調整就可以依照底下的公式來算... W = W - 學習速率 x E，學習速率一般選 <1 的值即可。 然後因為 E 恆正，輸入跟期望輸出也恆正，所以 W 裡面的 每一個元素也會越來越小，則乘出來的實際輸出每經過一次 上面的計算後也會越來越小，循環之後每一次的 E 也就越小 ， 因此這裡可以設定一個終止誤差值，例如 0.0001，只要 E 算出來小於 0.0001 即終止計算。 這時得出的 W 就是我們要的權重向量。 那實際上，其實還會配發一組「偏權值向量bias」，以上面 為例它類似 W x X = Y，然後藉 Y 與 Y' 之間的誤差來調 整權重 W。加上偏權值的做法則類似 W x X + B = Y，然後 同樣藉由 Y 與 Y' 之間的誤差，同時調整 W 及 B 向量。 它的好處就是不會讓 X 與 Y 之間的「線性」過於明顯，也 就是說實際上你不可能由前面 n 組號碼得出準確的第 n+1 組號碼(不然人人都是大富翁了)，我們需要一些非線性的因 素，這即是偏權值的作用。 威力彩從年初開到現在剛好 60 組號碼，那麼理論上我們就 可以取 59 組號碼來當輸入，把第 60 組來當輸出。 另一種做法就是從 60 組裡每 10 組 10 組地依序取出，比 方第一次取 1-10 組，第二次取 2-11 組，... 然後也依序 以第 11,12,13,... 組號碼來當做期望輸出，然後其訓練的 方法就是以這 60-10 群號碼(每群10組)來做訓練這樣，這樣 就可以得到 50 群的輸入。 這兩種號碼各有優缺點。 總之做法很多，因此它的重點在於你怎麼定義你的「輸入及 輸出」，以及你所選用的「類神經網路模型」。我自己在過 去思考論文的過程中有想到一種做法叫做「主管決策模式」 ，這次剛好 ASP 也很熟了(不然應該用 matlab..但忘光了) ，拿來寫這模型就剛好。 不用聖殿寫的原因則是因為.. 1.假設需遞迴 1000 次以上，聖殿會 crash。 2.需要用到很多的小數，用聖殿的 code 寫很麻煩。 總之這次的目標就是建構威力彩彩號預測模型。 Laechan --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 210.61.157.53