Синтаксис

Описание

m = merge(m1,m2,....,mN) слияния оценили модели. Модели m1,m2,...,mN должны все иметь ту же структуру, только отличающуюся по значениям параметров и ковариационным матрицам. Затем m является объединенной моделью, где вектор параметра является статистически взвешенным средним (использующий ковариационные матрицы, чтобы определить веса) параметров mk.

[m,tv] = merge(m1,m2) возвращает тестовую переменную tv. Когда две модели объединены,

[m, tv] = merge(m1,m2)

tv является χ ² распределенных со степенями свободы n, если параметры m1 и m2 имеют те же средние значения. Здесь n является длиной вектора параметра. Большое значение tv таким образом указывает, что может быть сомнительно объединить модели.

Для моделей idfrd merge является статистическим средним значением двух ответов в отдельных моделях, взвешенных использующих обратных отклонениях. Можно только объединить две модели idfrd с ответами на тех же частотах и ненулевых ковариациях.

Слияние моделей является альтернативой слиянию наборов данных и оценке модели для объединенных данных.

load iddata1 z1;
load iddata2 z2;
m1 = arx(z1,[2 3 4]);
m2 = arx(z2,[2 3 4]);
ma = merge(m1,m2);

и

mb = arx(merge(z1,z2),[2 3 4]);

приведите к моделям ma и mb, которые связаны и должны быть близкими. Различие - то, что слияние наборов данных принимает, что отношения сигнал-шум о том же самом в двух экспериментах. Слияние моделей позволяет одной модели быть намного более сомнительной, например, из-за большего количества воздействий в том эксперименте. Если условия о том же самом, мы рекомендуем, чтобы вы объединили данные, а не модели, поскольку это более эффективно и обычно включает лучше обусловленные вычисления.

Смотрите также

append