Опция установлена для nlhw
opt = nlhwOptions
opt = nlhwOptions(Name,Value)
создает набор опции по умолчанию для opt
= nlhwOptionsnlhw
. Используйте запись через точку, чтобы настроить набор опции в случае необходимости.
создает набор опции с опциями, заданными одним или несколькими аргументами пары opt
= nlhwOptions(Name,Value
)Name,Value
. Опции, которые вы не задаете, сохраняют свое значение по умолчанию.
Создайте набор опции оценки для nlhw
, чтобы просмотреть прогресс оценки и установить максимальные шаги итерации на 50.
opt = nlhwOptions;
opt.Display = 'on';
opt.SearchOptions.MaxIterations = 50;
Загрузите данные и оцените модель.
load iddata3 sys = nlhw(z3,[4 2 1],'sigmoidnet','deadzone',opt);
Создайте набор опций для nlhw
где:
Начальные условия оцениваются от данных об оценке.
Метод наименьших квадратов Ньютона Гаусса подпространства используется для оценки.
opt = nlhwOptions('InitialCondition','estimate','SearchMethod','gn');
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.
nlhwOptions('InitialCondition','estimate')
'InitialCondition'
— Обработка начальных условий'zero'
(значение по умолчанию) | 'estimate'
Обработка начальных условий во время оценки с помощью nlhw
, заданного как пара, разделенная запятой, состоящая из InitialCondition
и одно из следующего:
'zero'
— Начальные условия обнуляются.
'estimate'
— Начальные условия обработаны как независимые параметры оценки.
Отображение
Установка отображения прогресса оценки'off'
(значение по умолчанию) | 'on'
Установка отображения прогресса оценки, заданная как пара, разделенная запятой, состоящая из 'Display'
и одно из следующего:
'off'
Никакая информация о прогрессе или результатах отображена.
'on'
— Информация об образцовой структуре и результатах оценки отображена в окне средства просмотра прогресса.
'OutputWeight'
— Взвешивание ошибки прогноза по мультивыходным оценкам'noise'
(значение по умолчанию) | положительная полуопределенная матрицаВзвешивание ошибки прогноза по мультивыходным оценкам модели, заданным как пара, разделенная запятой, состоящая из 'OutputWeight'
и одно из следующего:
'noise'
— Оптимальное взвешивание автоматически вычисляется как инверсия предполагаемого шумового отклонения. Это взвешивание минимизирует det(E'*E)
, где E
является матрицей ошибок прогноза. Эта опция не доступна при использовании 'lsqnonlin'
как 'SearchMethod'
.
Положительная полуопределенная матрица, W
, размера равняются количеству выходных параметров. Это взвешивание минимизирует trace(E'*E*W/N)
, где E
является матрицей ошибок прогноза, и N
является количеством выборок данных.
'Regularization'
— Опции для упорядоченной оценки параметров моделиОпции для упорядоченной оценки параметров модели, заданных как пара, разделенная запятой, состоящая из 'Regularization'
и структуры с полями:
Имя поля | Описание | Значение по умолчанию |
---|---|---|
Lambda | Сместите по сравнению с компромиссом отклонения, постоянным, заданным как неотрицательный скаляр. | 0 — Не указывает ни на какую регуляризацию. |
R | Взвешивание матрицы, заданной как вектор неотрицательных скаляров или квадратной положительной полуопределенной матрицы. Длина должна быть равна количеству свободных параметров в модели, np . Используйте команду nparams , чтобы определить количество параметров модели. | 1 — Указывает на значение eye(np) . |
Nominal |
Номинальная стоимость, к которой свободные параметры вытягивают во время оценки, задала как одно из следующего:
| 'zero' |
Чтобы задать значения полей в Regularization
, создайте набор nlhwOptions
по умолчанию и измените поля с помощью записи через точку. Любые поля, которые вы не изменяете, сохраняют свои значения по умолчанию.
opt = nlhwOptions; opt.Regularization.Lambda = 1.2; opt.Regularization.R = 0.5*eye(np);
Регуляризация является методом для определения образцовых ограничений гибкости, которые уменьшают неуверенность в предполагаемых значениях параметров. Для получения дополнительной информации смотрите Упорядоченные Оценки Параметров модели.
'SearchMethod'
— Числовой метод поиска используется для итеративной оценки параметра'auto'
(значение по умолчанию) | 'gn'
| 'gna'
| 'lm'
| 'grad'
| 'lsqnonlin'
| 'fmincon'
Числовой метод поиска используется для итеративной оценки параметра, заданной как пара, разделенная запятой, состоящая из 'SearchMethod'
и одно из следующего:
'auto'
Комбинацию алгоритмов поиска строки, 'gn'
, 'lm'
, 'gna'
и методов 'grad'
пробуют в последовательности в каждой итерации. Первое продвижение направления спуска к сокращению стоимости оценки используется.
'gn'
— Поиск наименьших квадратов Ньютона Гаусса подпространства. Сингулярные значения якобиевской матрицы меньше, чем GnPinvConstant*eps*max(size(J))*norm(J)
отбрасываются при вычислении поискового направления. J является якобиевской матрицей. Матрица Гессиана аппроксимирована как JTJ. Если нет никакого улучшения этого направления, функция пробует направление градиента.
'gna'
— Адаптивный поиск Ньютона Гаусса подпространства. Меньше собственных значений, чем gamma*max(sv)
Гессиана проигнорированы, где sv содержит сингулярные значения Гессиана. Направление Ньютона Гаусса вычисляется в остающемся подпространстве. gamma имеет начальное значение InitialGnaTolerance
(см. Advanced
в 'SearchOptions'
для получения дополнительной информации). Это значение увеличено факторным LMStep
каждый раз, когда поиску не удается найти нижнее значение критерия меньше чем в пяти делениях пополам. Это значение уменьшено факторным 2*LMStep
каждый раз, когда поиск успешен без любых делений пополам.
'lm'
— Поиск наименьших квадратов Levenberg-Marquardt, где следующим значением параметров является -pinv(H+d*I)*grad
от предыдущего. H является Гессиан, I является единичной матрицей, и grad является градиентом. d является числом, которое увеличено, пока нижнее значение критерия не найдено.
'grad'
— Поиск наименьших квадратов быстрейшего спуска.
'lsqnonlin'
— Доверительная область отражающий алгоритм lsqnonlin
. Программное обеспечение Requires Optimization Toolbox™.
'fmincon'
— Ограниченные нелинейные решатели. Можно использовать последовательное квадратичное программирование (SQP) и доверять области отражающие алгоритмы решателя fmincon
. Если у вас есть программное обеспечение Optimization Toolbox, можно также использовать внутреннюю точку и алгоритмы активного набора решателя fmincon
. Задайте алгоритм в опции SearchOptions.Algorithm
. Алгоритмы fmincon
могут привести к улучшенным результатам оценки в следующих сценариях:
Ограниченные проблемы минимизации, когда существуют границы, наложенные на параметры модели.
Образцовые структуры, где функция потерь является нелинейным или не сглаженной функцией параметров.
Мультивыведите образцовую оценку. Определяющая функция потерь минимизирована по умолчанию для мультивыходной оценки модели. алгоритмы fmincon
могут минимизировать такие функции потерь непосредственно. Другие методы поиска, такие как 'lm'
и 'gn'
минимизируют определяющую функцию потерь путем альтернативной оценки шумового отклонения и сокращения значения потерь для данного шумового значения отклонения. Следовательно, алгоритмы fmincon
могут предложить лучшую эффективность и точность для мультивыходных оценок модели.
'SearchOptions'
— Опция установлена для алгоритма поискаНабор опции для алгоритма поиска, заданного как пара, разделенная запятой, состоящая из 'SearchOptions'
и набора параметра поиска с полями, которые зависят от значения SearchMethod
.
Структура SearchOptions
, Когда SearchMethod
Задан как 'gn'
, 'gna'
, 'lm'
, 'grad'
или 'auto'
Имя поля | Описание | Значение по умолчанию | ||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Tolerance | Минимальная процентная разница между текущим значением функции потерь и ее ожидаемым улучшением после следующей итерации, заданной как положительная скалярная величина. Когда процент ожидаемого улучшения является меньше, чем | 1e-5 | ||||||||||||||||||||||||||||||
MaxIterations | Максимальное количество итераций во время минимизации функции потерь, заданной как положительное целое число. Итерации останавливаются, когда Установка Используйте | 20 | ||||||||||||||||||||||||||||||
Advanced | Настройки расширенного поиска, заданные как структура со следующими полями:
|
Структура SearchOptions
, Когда SearchMethod
Задан как 'lsqnonlin'
Имя поля | Описание | Значение по умолчанию |
---|---|---|
FunctionTolerance | Допуск завершения на функции потерь, которую программное обеспечение минимизирует, чтобы определить предполагаемые значения параметров, заданные как положительная скалярная величина. Значение | 1e-5 |
StepTolerance | Допуск завершения на предполагаемых значениях параметров, заданных как положительная скалярная величина. Значение | 1e-6 |
MaxIterations | Максимальное количество итераций во время минимизации функции потерь, заданной как положительное целое число. Итерации останавливаются, когда Значение | 20 |
Advanced | Настройки расширенного поиска, заданные как опция, установлены для Для получения дополнительной информации см. таблицу Optimization Options в Опциях Оптимизации (Optimization Toolbox). | Используйте optimset('lsqnonlin') , чтобы создать набор опции по умолчанию. |
Структура SearchOptions
, Когда SearchMethod
Задан как 'fmincon'
Имя поля | Описание | Значение по умолчанию |
---|---|---|
Algorithm | Алгоритм оптимизации
Для получения дополнительной информации об алгоритмах, см. Ограниченные Нелинейные Алгоритмы Оптимизации (Optimization Toolbox) и Выбор Algorithm (Optimization Toolbox). | 'sqp' |
FunctionTolerance | Допуск завершения на функции потерь, которую программное обеспечение минимизирует, чтобы определить предполагаемые значения параметров, заданные как положительная скалярная величина. | 1e-6 |
StepTolerance | Допуск завершения на предполагаемых значениях параметров, заданных как положительная скалярная величина. | 1e-6 |
MaxIterations | Максимальное количество итераций во время минимизации функции потерь, заданной как положительное целое число. Итерации останавливаются, когда | 100 |
Чтобы задать значения полей в SearchOptions
, создайте набор nlhwOptions
по умолчанию и измените поля с помощью записи через точку. Любые поля, которые вы не изменяете, сохраняют свои значения по умолчанию.
opt = nlhwOptions; opt.SearchOptions.MaxIterations = 50; opt.SearchOptions.Advanced.RelImprovement = 0.5;
'Advanced'
— Дополнительные расширенные настройкиДополнительные расширенные настройки, заданные как пара, разделенная запятой, состоящая из 'Advanced'
и структуры с полями:
Имя поля | Описание | Значение по умолчанию |
---|---|---|
ErrorThreshold | Порог для того, когда настроить вес больших ошибок от квадратичного до линейного, заданного как неотрицательный скаляр. Ошибки, больше, чем времена ErrorThreshold предполагаемое стандартное отклонение, имеют линейный вес в функции потерь. Стандартное отклонение оценивается надежно как медиана абсолютных отклонений от медианы ошибок прогноза, разделенных на 0,7. Если ваши данные об оценке содержат выбросы, попробуйте установку ErrorThreshold к 1.6 . | 0 — Приводит к чисто квадратичной функции потерь. |
MaxSize | Максимальное количество элементов в сегменте, когда данные ввода - вывода разделены в сегменты, задало как положительное целое число. | 250000 |
Чтобы задать значения полей в Advanced
, создайте набор nlhwOptions
по умолчанию и измените поля с помощью записи через точку. Любые поля, которые вы не изменяете, сохраняют свои значения по умолчанию.
opt = nlhwOptions; opt.Advanced.ErrorThreshold = 1.2;
opt
— Опция установлена для nlhw
nlhwOptions
установленаНабор опции для nlhw
, возвращенного как опция nlhwOptions
, установлен.
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.