Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
OPIS.doc
Скачиваний:
2
Добавлен:
01.07.2025
Размер:
25 Мб
Скачать
☆

14. Поліноміальний алгоритм мгуа

Перша ітерація

Крок 1. З множини виходів вибираються пари аргументів , і складаються часткові описи виду

при цьому використовують часткові описи квадратичного типу:

Число часткових описів 1-го ряду дорівнює .

Крок 2.Використовуючи метод найменших квадратів (МНК) для кожного опису знаходяться по навчальній вибірці оцінки невідомих коефіцієнтів .

Крок 3. За критерієм мінімуму на перевірочній послідовності відбирається кращих моделей, тобто реалізують процедуру селекції. Величина називається свободою вибору, при цьому . Виходи цих моделей служать аргументами-входами для конструювання моделей другого ряду.

Крок 4. Знаходиться

m-а ітерація

Крок 1. Конструюються часткові описи виду:

,

Крок 2. Для кожного опису, використовуючи МНК, знаходяться відповідні оцінки .

Крок 3. По перевірочній послідовності знаходиться для кожного часткового опису величина критерію

де - обсяг перевірочної вибірки.

Крок 4. Знаходиться . Перевіряється умова , де - величини критерію точності для найкращих моделей (m-1)-го і m-го ряду селекції відповідно. Якщо так, то кінець. Шукана модель вибирається з часткових описів m-1-го рівня, на якому досягається мінімальна помилка . Інакше перехід до конструювання наступного ряду часткових описів. При цьому провадиться добір (селекція) F2 кращих описів.

Заключний етап.

Рухаючись від кінця до початку і роблячи послідовну заміну перемінних, обчислюються вирази для шуканої моделі у початковому просторі описів.

15.Комбінаторний алгоритм мгуа

Блок формування базису

Якщо задані виміри деяких вхідних перемінних об'єкта , що моделюється, і максимальний ступінь полінома, то число доданків n у повному поліномі ступеня max від v перемінних визначається однозначно:

Сам повний поліном записується в наступному загальному виді:

,

де кожен узагальнений “лінійний” аргумент є нелінійною функцією початкових перемінних :

Отже, – базисний набір опорних функцій.

Описана процедура дозволяє сформувати матрицю вимірів узагальнених аргументів , де N – число точок вимірів.

Ці точки розділені на три послідовності: навчальну (A) довжиною , перевірочну (B) довжиною й екзаменаційну (C) довжиною . Причому

Блок перебору часткових моделей

Основні операції:

  • формування структури чергової часткової моделі;

  • формування відповідної нормальної системи рівнянь;

  • вирішення отриманої системи (оцінка коефіцієнтів моделі).

Формування структур часткової моделі формалізується за допомогою структурного вектора : якщо елемент цього вектора приймає значення 1, то відповідний i-й аргумент включається в часткову модель, якщо 0 – не включається.

Використовується схема зміни двоїстого вектора за принципом роботи двоїстого лічильника, в останній розряд якого додається одиниця.

Для формування нормальної системи рівнянь, що відповідає черговому структурному вектору, можна вчинити формально: зі стовпців повної матриці х, зазначених одиничними елементами d, складається часткова матриця , а потім обчислюються елементи , .

B комбінаторному алгоритмі досить один раз обчислити матриці повної нормальної системи, що містить елементи всіх часткових нормальних систем:

,

Для одержання будь-якої часткової нормальної системи досить взяти елементи матриці , що знаходяться на перетині рядків і стовпців, зазначених одиницями вектора d, а також відповідні елементи вектора .

Для вирішення кожної нормальної системи , тобто для обчислення оцінок коефіцієнтів часткової моделі, можна застосовувати будь-які процедури розв’язання систем алгебраїчних рівнянь .

Блок добору за критеріями

Розглянемо питання про обчислення значень критеріїв селекції для довільної часткової моделі з вектором коефіцієнтів a, оцінки якого вже отримані на вибірках A і B окремо.

Критерій незміщеності:

де – оцінки вихідної величини, отримані за коефіцієнтами ; – сума матриць і .

Критерій регулярності:

де – початковий вектор вимірів вихідної величини на послідовності B; – оцінки виходу на B по моделі .

На послідовності C

де – оцінки коефіцієнтів часткових моделей, відібраних по і після перерахування на об'єднаній послідовності .

Селекція моделей як правило, виконується в процесі перебору. Для цього запам'ятовуються значення критерію для заданої свободи вибору f перших моделей, а потім величина кожної наступної моделі порівнюється з гіршим з f значень.В алгоритмах самоорганізації застосовується добір по двох і більш критеріях.Як правило, кілька критеріїв застосовуються послідовно: за критерієм відбирається найменш зміщених моделей, потім за критерієм самих точних на перевірочній послідовності, де F < F1.

Використовується також інформація послідовності C за критерієм регулярності.

Так само в алгоритмах МГУА звичайно виконується ще один етап обчислень – оцінка якості відібраних кращих моделей.

Помилку МНК , обумовлену після перерахування коефіцієнтів на W, також можна виразити через нормальні матриці

де потрібно

Селекція продовжується доти, поки не досягається мінімум критерію зсуву. Потім відбирається найбільш регулярна модель.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]