Сибирский федеральный университет

Перевод названия: Optimization of the core smooth coefficient in the problem of the nonparametric identification

Тип публикации: статья из журнала

Год издания: 2018

Идентификатор DOI: 10.26732/2618-7957-2018-2-95-99

Ключевые слова: nonparametric model, nonparametric algorithms, core smooth coefficient, optimization, непараметрическая модель, непараметрические алгоритмы, коэффициент размытости, оптимизация

Аннотация: Исследуется проблема моделирования дискретно-непрерывных процессов. Рассматривается достаточно общая схема исследуемого процесса, включающая в себя не только входные-выходные переменные, но и промежуточные. Кратко анализируется вопрос идентификации в «узком» и «широком» смысле. Приводится рекуррентный алгоритм оценки параметров адаптивных моделей, основанной на методе стохастических аппроксимаций. При построении модели объекта при помощи ядерных оценок важным параметром является вектор коэффициентов размытости ядра. От выбранного вектора коэффициента размытости напрямую зависит качество построенной модели. Данный коэффициент определяет степень участия элементов выборки в оценке. Исходя из большого влияния вектора коэффициента размытости ядра на качество построенной модели у исследователей часто возникает задача оптимизации данного вектора. В статье рассмотрены алгоритмы оптимизации вектора коэффициентов размытости ядра. Рассмотрены следующие алгоритмы оптимизации: метод перебора, метод деформируемого многогранника и генетический алгоритм. В качестве критерия оптимизации была выбрана среднеквадратичная ошибка построенной модели, которая вычислялась при помощи скользящего экзамена. Представлена таблица, в которой отображена точность построенной модели после оптимизации вектора коэффициентов размытости ядра (для каждого входного воздействия), а также после оптимизации одного общего коэффициента размытости ядра, который назначается для всех входных переменных. The problem of modeling discrete-continuous processes is investigated. The general scheme of the investigated process is considered. The considered scheme includes input, output intermediate variables. The issue of identification in the «narrow» and «broad» sense. Analyzed Briefly. A recurrent algorithm for estimating the parameters of adaptive models based on the method of stochastic approximations. The vector of the blurring coefficients of the nucleus is an important parameter when constructing an object model using nuclear estimates. The quality of the constructed model depends on the selected vector of the blur factor. The blurring factor determines the degree of participation of the sampling elements in the evaluation. Researchers often face the task of optimizing this vector, since the vector of the kernel blur factor affects the quality of the constructed model. Algorithms for optimizing the vector of the kernel blur coefficients are considered in the article. The following algorithms for optimization are considered: the method of search, the method of a deformable polyhedron and the genetic algorithm. The root-mean-square error of the constructed model was chosen as an optimization criterion. The root-mean-square error was calculated using a sliding exam. The table in which the accuracy of the constructed model is displayed after the optimization of the vector of the kernel blur factors (for each input effect), and also after optimization of one common blur factor of the kernel, which is assigned to all input variables, is presented.

Журнал: Космические аппараты и технологии

Выпуск журнала: Т. 2, № 2

Номера страниц: 95-99

ISSN журнала: 26187957

Место издания: Железногорск

Издатель: Ассоциация Технологическая платформа Национальная информационная спутниковая система

• Михов Евгений Дмитриевич (Сибирский федеральный университет)
• Иванов Николай Дмитриевич (Сибирский федеральный университет)

• РИНЦ (eLIBRARY.RU)
• Список ВАК