神经网络求解逆矩阵算法二

最新推荐文章于 2024-12-29 20:14:40 发布

原创最新推荐文章于 2024-12-29 20:14:40 发布 · 2.9k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #网络 #matrix #matlab #c #vector

本文介绍了一种使用神经网络算法求解矩阵逆的方法，并提供了MATLAB及C/C++的实现代码。通过与MATLAB内置函数inv的结果对比，验证了该算法的有效性和准确性。

上图是使用MATLAB函数inv求逆结果和本文介绍的神经网络算法的MATLAB版的结果

下图是c/c++实现的

从结果的比较来看，该算法是很好的

function C=inverse_2(A) learning_rate=0.015; epoch=2500; C=zeros(size(A)); I=eye(size(A)); X=ones(size(A)); X=-1*X+2*I; for i=1:epoch U=A*X; Y=C*U; C=C+learning_rate*(X-Y)*transpose(U); end

c版源码

改源码依赖于其他几个关于矩阵操作的文件，之后我会把完整的程序贴出来

#include <assert.h> #include "matrix.h" //initialize stimulus,bipolar vector set static void _initialize_X(Matrix&X) { assert(X.size()!=0); int size=X.size(); Vect v(size); for (int i=0;i<size;i++){ v[i]=-1; } for (int i=0;i<size;i++){ X[i]=v; X[i][i]=1; } } //C is the inverse of A,the original matrix static void _initialize_C(Matrix& C ) { assert(C.size()!=0); Vect v(C.size()); for (unsigned int i=0;i<v.size();i++){ C[i]=v; } } //identity matrix static void _initialize_I(Matrix& I) { for (int i=0;i<I.size();i++){ I[i][i]=1; } } Matrix matrix_inverse_2(const Matrix&mat) { int mat_size=mat.size(); Matrix X(mat_size); _initialize_X(X); Matrix C(mat_size); _initialize_C(C); Matrix I=C; _initialize_I(I); double learning_rate=0.015;//learning rate int epoch=2500;//training generation Matrix U; Matrix Y; while (epoch-->0){ U=mat*X; Y=C*U; C=C+learning_rate*(X-Y)*matrix_transpose(U); } return C; }