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 Алгоритмы случайного поискаПомимо методов Ньютона и наискорейшего спуска существует возможность поиска минимума рабочей функции некоторым случайным способом. В данном разделе кратко рассматриваются стохаотические алгоритмы двух типов. Первый — линейный алгоритм случайного поиска — относится к алгоритмам выбора случайного направления движения в пространстве весовых коэффициентов, второй — к алгоритмам выбора последовательности случайных точек в пространстве весовых коэффициентов. В линейном алгоритме случайного поиска в начале каждой итерации к вектору весовых коэффициентов прибавляется небольшое пробное случайное смещение
Полагают, что для адаптивного линейного сумматора является случайным вектором с
Функции В табл. 8.1 приведены результаты анализа линейного алгоритма случайного поиска применительно к адаптивному линейному сумматору [16]. Эта таблица аналогична табл. 6.1. Как определено в гл. 5, N — число наблюдений, используемых для оценки СКО. Таблица 8.1
Хотя линейный алгоритм случайного поиска основан на случайном изменении вектора весовых коэффициентов, он функционирует аналогично алгоритму наискорейшего спуска [16]. При случайном поиске весовые коэффициенты сходятся к W по закону геометрической прогрессии с такими же постоянными времени, как ,и при наискорейшем спуске. Из табл. 8.1 видно, что для обоих алгоритмов параметр С точки зрения объема входных данных линейный алгоритм случайного поиска и алгоритм наискорейшего спуска намного менее эффективны алгоритма наименьших квадратов и при заданной скорости сходимости имеют более высокое относительное среднее значение СКО. Однако эти алгоритмы можно применять в случаях, когда алгоритм наименьших квадратов может оказаться неприменимым, т. е. когда нет входных сигналов или регулируемые параметры не являются весовыми коэффициентами сигналов. Линейный алгоритм случайного поиска состоит в том, что для проверки на каждой итерации выбирается случайное направление. В [17] для адаптивных систем разработан алгоритм проверки случайных точек в пространстве рабочих параметров. Это напоминает процесс деления и отбора клеток. Рассмотрим работу этого алгоритма для одного весового коэффициента w. Прежде всего осуществляется выбор начального множества М значений w, равномерно распределенных в заданной области. Затем для каждого из этих Ж значений w находится Затем для второй выборки строится следующая последовательность. Выбираются случайным образом два значения w и производится склеивание двоичных представлений обоих значений. К первому сегменту одной двоичной последовательности присоединяется второй сегмент другой. Предположим, например, что w представлено 8 битами, т. е. имеется 256 возможных значений, и склеивание осуществляется в середине каждой последовательности. Тогда двоичное представление значения двоичное представление значения двоичное представление последовательности: Отметим, что если оба значения w одинаковы, то построенная для этого случая последовательность также является представлением значения Для второй выборки множество увеличивается, как описано выше, от М до
|
1 |
Оглавление
|