arxRegul

Определите константы регуляризации для оценки модели ARX

Синтаксис

[lambda,R] = arxRegul(data,orders)
[lambda,R] = arxRegul(data,orders,options)
[lambda,R] = arxRegul(data,orders,Name,Value)
[lambda,R] = arxRegul(data,orders,options,Name,Value)

Описание

пример

[lambda,R] = arxRegul(data,orders) возвращает константы регуляризации, используемые для оценки модели ARX. Используйте константы регуляризации в arxOptions, чтобы сконфигурировать опции регуляризации для оценки модели ARX.

пример

[lambda,R] = arxRegul(data,orders,options) задает опции регуляризации, такие как ядро регуляризации и смещения ввода-вывода.

пример

[lambda,R] = arxRegul(data,orders,Name,Value) задает образцовые атрибуты структуры, такие как шумовой интегратор и входная задержка, с помощью одного или нескольких аргументов пары Name,Value.

пример

[lambda,R] = arxRegul(data,orders,options,Name,Value) задает и опции регуляризации и образцовые атрибуты структуры.

Примеры

свернуть все

load iddata1 z1;
orders = [10 10 1];
[Lambda,R] = arxRegul(z1,orders);

Модель ARX оценивается с помощью ядра регуляризации по умолчанию TC.

Используйте Lambda и значения R для оценки модели ARX.

opt = arxOptions;
opt.Regularization.Lambda = Lambda;
opt.Regularization.R = R;
model = arx(z1,orders,opt);

Задайте 'DC' как ядро регуляризации и получите упорядоченную модель ARX порядка [|10 10 1 |].

load iddata1 z1;
orders = [10 10 1];
option = arxRegulOptions('RegularizationKernel','DC');
[Lambda,R] = arxRegul(z1,orders,option);

Используйте Lambda и значения R для оценки модели ARX.

arxOpt = arxOptions;
arxOpt.Regularization.Lambda = Lambda;
arxOpt.Regularization.R = R;
model = arx(z1,orders,arxOpt);

Задайте, чтобы включать интегратор источника шума в шумовой компонент модели.

load iddata1 z1;
orders = [10 10 1];
[Lambda,R] = arxRegul(z1,orders,'IntegrateNoise',true);

Задайте ядро регуляризации и включайте интегратор источника шума в шумовой компонент модели.

load iddata1 z1;
orders = [10 10 1];
opt = arxRegulOptions('RegularizationKernel','DC');
[Lambda,R] = arxRegul(z1,orders,opt,'IntegrateNoise',true);

Входные параметры

свернуть все

Данные об оценке, заданные как объект iddata.

Модель ARX заказывает [na nb nc], заданный как матрица неотрицательных целых чисел. Смотрите страницу с описанием arx для получения дополнительной информации о порядках модели.

Опции регуляризации, заданные как, опции устанавливают вас, создают использование arxRegulOptions.

Аргументы в виде пар имя-значение

Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми. Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

Пример: [Lambda, R] = arxRegul(z1,orders,option,'InputDelay',10);

Введите задержку, заданную как положительное, ненулевое числовое значение, представляющее количество выборок.

Пример: [Lambda, R] = arxRegul(z1,orders,'InputDelay',10);

Типы данных: double

Интегратор источника шума, заданный как логическое. Задает, должен ли источник шума e(t) содержать интегратор. Значением по умолчанию является false, указывая, что шумовой интегратор выключен. Чтобы включить его, измените значение на true.

Пример: [Lambda, R] = arxRegul(z1,orders,'IntegrateNoise',true);

Типы данных: логический

Выходные аргументы

свернуть все

Постоянный, который определяет смещение по сравнению с компромиссом отклонения, возвращенным как положительная скалярная величина.

Взвешивание матрицы, возвращенной как вектор неотрицательных чисел или положительной определенной матрицы.

Алгоритмы

Без регуляризации вектор параметров модели ARX θ оценивается путем решения нормального уравнения:

(JTJ)θ=JTy

где J является матрицей регрессора, и y является измеренный вывод. Поэтому

θ=(JTJ)1JTy.

Используя регуляризацию добавляет срок регуляризации:

θ=(JTJ+λR)1JTy

где, λ и R являются константами регуляризации. Смотрите arxOptions для получения дополнительной информации о константах регуляризации.

Ссылки

[1] Т. Чен, Х. Охлссон и Л. Лджанг. “На оценке передаточных функций, регуляризации и гауссовых процессах - пересмотренный”, Automatica, объем 48, август 2012.

Введенный в R2013b