Рассмотрен способ построения предельного фильтра линейной системы при отсутствии информации о начальных услових на основе использования оптимального фильтра Калмана. Исследованы проблемы, возникающие при использовании такого подхода. Решена задача определения плоскости меридиана при отсутствии начальных условий о ковариациях параметров системы.

Исследовано поведение рекуррентного метода наименьших квадратов при отсутствии априорной информации относительно оцениваемых неизвестных параметров. Разработан подход, позволяющий представить в аналитической форме его характеристики, объяснить феномен расходимости и предложить предельный рекуррентный алгоритм оценивания, который не зависит от большого параметра, характеризующего начальную неопределенность и приводящего к расходимости.

Изучено поведение фильтра Калмана при интерпретации неизвестных начальных состояний как случайных величин, имеющих матрицу ковариации, пропорциональную большому положительному параметру. Разработанный подход позволяет выразить характеристики фильтра в аналитической форме, объяснить феномен расходимости и предложить предельный алгоритм оценивания, не зависящий от большого параметра, приводящего к расходимости. В качестве приложения рассмотрены две задачи - фильтрация со скользящим окном и оценка параметров сепарабельной регрессии. Результаты иллюстрируются на примере обучения радиальной базисной нейронной сети.

Індекс рубрикатора НБУВ: З810.22

Рубрики:

Нейронні мережі

Шифр НБУВ: Ж29144 Пошук видання у каталогах НБУВ 

Рассмотрены задачи обучения нейронных сетей и нейро-фаззи систем, приводящие к сепарабельным моделям - структурам, нелинейным относительно некоторых неизвестных параметров и линейным относительно других неизвестных. Предложены новые алгоритмы их обучения, в основе которых - нелинейная оптимизационная задача, включающая априорную информацию только о нелинейно входящих параметрах. Предположено, что она может быть получена по обучающему множеству, распределению генерирующей выборки или лингвистической информации. Для решения задачи используются метод Гаусса - Ньютона с линеаризацией в окрестности последней оценки, асимптотические представления псевдоинверсий возмущенных матриц и сепарабельная структура моделей. Полученные алгоритмы обладают рядом важных свойств: не требуется подбора начальных значений для линейно входящих параметров, который может приводить к расходимости, но при этом нет необходимости находить частные производные от проекционной матрицы; могут быть использованы в режимах последовательной и пакетной обработки; как частный случай, из них следуют известные алгоритмы, а моделирование показывает, что разработанные алгоритмы могут превосходить известные по точности и скорости сходимости.

Індекс рубрикатора НБУВ: О52-082

Шифр НБУВ: ДС47990 Пошук видання у каталогах НБУВ 

Індекс рубрикатора НБУВ: О52-082

Шифр НБУВ: ДС47990 Пошук видання у каталогах НБУВ