Нейросетевые и нечеткие методы оценивания стохастических систем

• Автор: Амосов, Олег Семенович
• Шифр специальности: 05.13.18
• Научная степень: Докторская
• Год защиты: 2004
• Место защиты: Комсомольск-на-Амуре
• Количество страниц: 352 с. : ил.

СОВРЕМЕННОЕ СОСТОЯНИЕ ПРОБЛЕМЫ ОПТИМАЛЬНОГО ОЦЕНИВАНИЯ И ФИЛЬТРАЦИИ. Постановка и решение задачи оценивания на основе байесовского подхода. Постановка и решение задачи оценивания на основе небайесовского подхода. Постановка и решение задачи оценивания на основе метода наименьших квадратов. Аналитический обзор и классификация работ по использованию нейронных сетей и нечетких систем для оценивания. Обсуждение современного состояния проблемы оптимального оценивания на основе нейронных сетей и нечетких систем. Решение задачи оценивания с использованием линейной нейронной сети. Традиционный рекуррентный алгоритм фильтрации. Нейросетевой рекуррентный алгоритм фильтрации. Нейросетевой рекуррентный алгоритм нелинейной фильтрации. К X. В качестве минимизируемого критерия в небайесовском подходе используется величина гхх, характеризующая условные потери при фиксированном значении оцениваемого вектора х. При функции потерь Цх ху, задаваемой в виде 1. Мух х хут х ху х хут х хуу x. Величина гхх, вычисленная при заданном значении оцениваемого вектора, получила название условных небайесовских потерь.


Нейросетевой рекуррентный алгоритм нелинейной фильтрации. К X. В качестве минимизируемого критерия в небайесовском подходе используется величина гхх, характеризующая условные потери при фиксированном значении оцениваемого вектора х. При функции потерь Цх ху, задаваемой в виде 1. Мух х хут х ху х хут х хуу x. Величина гхх, вычисленная при заданном значении оцениваемого вектора, получила название условных небайесовских потерь. В рамках небайесовского подхода оценку можно отыскивать исходя из минимизации условных потерь, т. Критерий 1. Ясно, что наряду с минимизацией 1. Оценку ху, минимизирующую в рамках небайесовского подхода потери 1. Луху хуУухсу х, 1. К сожалению, в рамках небайесовского не существует общего правила, которое задавало бы процедуру нахождения несмещенных оценок с минимальной дисперсией, т. В наибольшей степени этим требованиям удовлетворяет получившая широкое распространение процедура, основанная на максимизации ух как функции х при фиксированных значениях измерений у. Эта функция в теории оценивания получила название функции правдоподобия, а метод, основанный на ее максимизации метод максимума функции правдоподобия МФП 9,,,. Смысл процедуры максимизации заключается в том, чтобы при фиксированных значениях измерений выбрать такое значение искомого вектора, при котором достигается наибольшее правдоподобие между измеряемыми и вычисляемыми величинами. А 0. Эти уравнения получили наименования уравнений правдоподобия. Максимально правдоподобная оценка, т. Фпу агдтахух, 1.