ARCH檢驗是檢驗殘差是否具有自回歸異方差結(jié)構(gòu)。根據(jù)查詢Python數(shù)據(jù)科學(xué)的公告，殘差曲線的解釋意義是每次計算后的結(jié)果與上一次計算所得結(jié)果的差值，通常，殘差曲線默認設(shè)置為10的負3次方，在計算過程中顯示殘差曲線時，您會看到每個值在每次計算后都會發(fā)生變化。

文章引用自《從MobileNet看輕量級神經(jīng)網(wǎng)絡(luò)的發(fā)展》。詳情請點擊原文觀看前言。隨著深度學(xué)習(xí)的火熱，計算機視覺領(lǐng)域的卷積神經(jīng)網(wǎng)絡(luò)模型層出不窮。從1998年的LeNet到2012年掀起深度學(xué)習(xí)熱潮的AlexNet，再到2014年的VGG和2015年的ResNet，深度學(xué)習(xí)網(wǎng)絡(luò)模型在圖像處理中的應(yīng)用效果越來越好。

由于硬件資源和計算能力的限制，移動設(shè)備很難運行復(fù)雜的深度學(xué)習(xí)網(wǎng)絡(luò)模型。在深度學(xué)習(xí)領(lǐng)域，也在努力推進神經(jīng)網(wǎng)絡(luò)的小型化。在保證模型精度的同時，更小更快。從2016年至今，業(yè)界提出了SqueezeNet、ShuffleNet、NasNet、MnasNet、MobileNet等輕量級網(wǎng)絡(luò)模型。這些模型使得移動終端和嵌入式設(shè)備運行神經(jīng)網(wǎng)絡(luò)模型成為可能。

殘差對擬合值圖的喇叭形表示關(guān)系數(shù)據(jù)模型用一個二維表來表示數(shù)據(jù)和數(shù)據(jù)之間的關(guān)系，結(jié)構(gòu)簡單，易于理解和使用。可以看出收益率是相關(guān)的。每次計算后的結(jié)果與前一次計算所得結(jié)果之間的差異。根據(jù)查詢Python數(shù)據(jù)科學(xué)的公告，殘差曲線的解釋意義是每次計算后的結(jié)果與上一次計算所得結(jié)果的差值。通常，殘差曲線默認設(shè)置為10的負3次方。在計算過程中顯示殘差曲線時，您會看到每個值在每次計算后都會發(fā)生變化。

殘差圖可以用來判斷數(shù)據(jù)是否異常。如果所有數(shù)據(jù)都在(2，2)的區(qū)間內(nèi)，說明數(shù)據(jù)是正態(tài)的，方差齊次的。如果數(shù)據(jù)點超過(2，2)的區(qū)間，說明該數(shù)據(jù)為異常點，不能加入回歸線擬合，不具有方差的齊性和正態(tài)性。這個圖顯示殘差在2和2之間，可以解釋大部分預(yù)測值，說明你的回歸方程是有效的。就是找到回歸中的異常點和強影響點；SPSS將輸出回歸的殘差，

White檢驗可以用來檢驗異方差性。ARCH檢驗是檢驗殘差是否具有自回歸異方差結(jié)構(gòu)。Arch檢驗步驟:得到回歸方程后，在輸出窗口依次點擊查看/殘差檢驗/異方差檢驗。在彈出的對話框中選擇需要的檢驗方法，可以選擇拱形或白色，然后點擊確定。

最小二乘法是高斯大約在1795年在預(yù)測恒星軌道的工作中提出的。我就說這幾點，請大家考慮一下。殘差不是判斷收斂的直接依據(jù)，而是流動問題本身，尤其是非定常問題。其實觀察殘差圖的意義在于檢驗?zāi)愕碾x散格式、步長、次松弛因子是否合理。殘差是用來判斷數(shù)值計算的收斂效果，而不是物理問題的收斂性。合理的是，非定常問題的殘差曲線在每個子步都必須波動。好像你用的是穩(wěn)態(tài)計算。當(dāng)這樣的殘差圖出現(xiàn)時，你只能說你的問題本身應(yīng)該是用非穩(wěn)態(tài)計算的。非穩(wěn)態(tài)計算的效果確實比問題計算好，尤其是兩相流，但是計算時間會很長。

你觀察某個位置的液位高度是正確的。當(dāng)某一位置的液位保持不變或出現(xiàn)規(guī)律時，可以停止計算，其實用FLUENT模擬有規(guī)律的界面變化往往是不靠譜的，所以更多時候你發(fā)現(xiàn)的是液位無規(guī)律的變化。如果要改善，一方面網(wǎng)格劃分要合理，該精細的地方要精細，結(jié)構(gòu)網(wǎng)格往往比非結(jié)構(gòu)網(wǎng)格要好，另一方面，嘗試不同的湍流模型。數(shù)值計算收斂的本質(zhì)是場的穩(wěn)定或至少完成一個有規(guī)律的變化。