Пред.
След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
10.5. Локальные решения и начальные значенияЛокальные минимумы. Обшие численные схемы минимизации и решения уравнений, которые обсуждались в разделе 10.2, обычно обладают тем свойством, что при подходящем выборе длины шага
в то время как (10.41) с положительно определенной матрицей R сходится к локальному минимуму В задаче минимизации нас интересует глобальный минимум. Теоретические результаты гл. 8 и 9 относились к свойствам оценки При подборе модели и ее проверке, как будет обсуждено в разделе 16.5, о модели судят все-таки по ее характеристикам. Значит, локальные минимумы не обязательно создают проблемы на практике. Если модель проходит проверочные тесты, она должна быть приемлемой моделью, даже если она не дает глобального минимума критериальной функции. Проблема ложных локальных решений имеет два аспекта. Может оказаться, что предельная при Результаты для моделей черного ящика с одним входом и одним выходом. Единственные имеющиеся аналитические результаты по локальным решениям относятся к моделям черного ящика в предположении, что истинная система принадлежит множеству моделей:
Для простоты неглобальный локальный минимум называем ложным минимумом. - Для ARMA-моделей -Для ARARX-моделей - Если - Если Для ARMAX-модели можно показать, что
в случае ARMAX-модели, где Практический опыт использования моделей различных структур показывает, что для ARMAX-моделей глобальный минимум обычно находится без особых проблем. (См., например, обсуждение по этому поводу в работе Бохлина [55].) С другой стороны, для структур модели с ошибкой на выходе сходимость к ложным локальным минимумам - обычная ситуация. Начальные значения. Вследствие возможного наличия нежелательных локальных минимумов критериальной функции имеет смысл затратить некоторые усилия на выработку хороших начальных условий для итеративных процедур поиска. При этом, поскольку методы ньютоновского тина, описанные в разделе 10.2, обладают хорошей скоростью локальной сходимости, но не обязательно скорость сходимости велика вдали от минимума, эти усилия обычно окупаются уменьшением числа итераций и сокращением суммарного времени вычислений. Для структур моделей, параметризованных на основе физических законов, наиболее естественно использовать физические представления и для определения различных начальных условий. Это позволяет также взаимодействовать с итеративной схемой поиска и контролировать ее работу. Для структур моделей черного ящика существует несколько возможностей. Исходя из практического опыта, можно предложить следующие процедуры определения хороших начальных значений для модели общей структуры (10.62): 1) применение метода инструментальных переменных для оценивания передаточной функции
2) определение оценки шума уравнения аналогично 3) определение С и/или Глобальная сходимость. Если система принадлежит множеству моделей, метод инструментальных переменных, как известно, будет сходиться при слабых предположениях к истинным значениям параметров (см. В том случае, если система не принадлежит множеству моделей, представленные в разделе 10.4 процедуры могут привести к аппроксимации, отличной от аппроксимаций, присущих методу ошибки предсказания. Тогда остается неизвестным, приведет ли процедура выработки начальных значений в область притяжения к глобальному минимуму критерия ошибки предсказания.
|
1 |
Оглавление
|