使用Tensorflow估计正弦波的变量

问题描述

给出x，y形式的数据，使y = A sin（B（x）+ C）+ D，使用Tensorflow识别A，B，C和D。

我已经编写了以下代码来这样做，但不幸的是它没有学到。注意这里的问题不是正确地预测正弦曲线，而是识别变量。如果可以将函数的形式更改为y = A * X_2 * sin（B（X_1）+ C）+ D，则加分。

x = np.linspace(0,100,1000)

A = np.random.normal(1)
B = np.random.normal(.5)
C = np.random.normal(1)
D = np.random.normal(1)

y = A*np.sin((B*x) + C) + D

x = tf.constant([x.astype('float32')])
y = tf.constant([y.astype('float32')])

class Addition(tf.Module):
    def __init__(self,inputs,name=None):
        super().__init__(name=name)
        self.b_1 = tf.Variable(tf.random.normal([inputs]),name='b1')
        self.b_2 = tf.Variable(tf.random.normal([inputs]),name='b2')
    def __call__(self,x):
        out = tf.math.multiply(x,self.b_1) + self.b_2
        return out

class Sinusoid(tf.Module):
    def __init__(self,name=None):
        super().__init__(name=name)
    def __call__(self,x):
        sine = tf.math.sin(x)
        return sine
    
class Sine_Model(tf.Module):
    def __init__(self,name=None):
        super().__init__(name=name)
        self.add_1 = Addition(inputs=1)
        self.sin_1 = Sinusoid(inputs=1)
        self.add_2 = Addition(inputs=1)
        
    def __call__(self,x):
        x = self.add_1(x)
        x = self.sin_1(x)
        x = self.add_2(x)
        return x
        

model = Sine_Model(name='sine')

loss_object = tf.keras.losses.MeanSquaredError()

optimizer = tf.keras.optimizers.Adam(learning_rate=.1)

train_loss = tf.keras.metrics.Mean(name='train_loss')

@tf.function
def train_step(x,y):
    with tf.GradientTape() as tape:
        predictions = model(x)
        loss = loss_object(y,predictions)
    gradients = tape.gradient(loss,model.trainable_variables)
    optimizer.apply_gradients(zip(gradients,model.trainable_variables))
    train_loss(loss)

EPOCHS = 200

for epoch in range(EPOCHS):
    # Reset the metrics at the start of the next epoch
    train_loss.reset_states()

    train_step(x,y)

    template = 'Epoch {},Loss: {}'
    #print(template.format(epoch + 1,#                       train_loss.result()))

y_predicted = sine_model(x)

plt.scatter(x,y_predicted.numpy()[0])
plt.scatter(x,y,c='r')

我确实使用scipy here看到了这个问题的答案。但是我想看看是否有可能专门使用Tensorflow，因为我对模块化很感兴趣，并且希望能够解决上述问题（y = A * X_2 * sin（B（X_1） + C）+ D）。

谢谢！

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

python tensorflow trigonometry