Создайте объект средства оценки нелинейности сети вейвлета
NL = wavenet
NL = wavenet(Name,Value)
создает объект средства оценки нелинейности сети вейвлета по умолчанию для оценки нелинейного ARX и моделей Хаммерстайна-Винера. Используйте запись через точку, чтобы настроить свойства объектов в случае необходимости.NL
= wavenet
создает объект средства оценки нелинейности сети вейвлета со свойствами, заданными одним или несколькими аргументами пары NL
= wavenet(Name,Value
)Name,Value
. Свойства, которые вы не задаете, сохраняют свое значение по умолчанию.
wavenet
является объектом, который хранит средство оценки нелинейности сети вейвлета для оценки нелинейного ARX и моделей Хаммерстайна-Винера.
Используйте wavenet
, чтобы задать нелинейную функцию , где y является скаляром, x является m
- размерный вектор - строка из регрессоров, и θ представляет параметры в расширении вейвлета. Функция сети вейвлета основана на следующем функциональном расширении:
Здесь,
f(z) является радиальной функцией, вызвал масштабирующуюся функцию, и z является входом к масштабирующейся функции. z является 1 q вектором - строкой. q является количеством компонентов x
, используемого в функциях вейвлета и масштабировании.
g(z) является радиальной функцией, вызвал функцию вейвлета, и z является входом к функции вейвлета.
θ представляет следующие параметры средства оценки нелинейности:
P и Q — Матрицы проекции размера m
-by-p
и m
-by-q
, соответственно.
P и Q определяются анализом главных компонентов данных об оценке. Обычно, p = m
. Если компоненты x в данных об оценке линейно зависят, то p<m
. Количеством столбцов Q является q
. q
является количеством компонентов x, используемого в функции вейвлета и масштабировании.
Когда используется в нелинейной модели ARX, q
равен размеру свойства NonlinearRegressors
объекта idnlarx
. Когда используется в модели Хаммерстайна-Винера, m=q=1
и Q скаляр.
r Среднее значение вектора регрессора вычисляется из данных об оценке, заданных как 1 m
вектором.
as, bs, aw и bw — Масштабирование и параметры вейвлета, заданные как скаляры. Параметры с индексом s являются масштабными коэффициентами, и параметры с индексом w являются параметрами вейвлета.
L Заданный как p
-by-1 вектор.
cs и cw – Заданный как 1 q
векторами.
d Выведите смещение, заданное как скаляр.
F(x)
значения вычисляется evaluate(NL,x)
, где NL
является объектом wavenet.
Для свойств объектов wavenet
смотрите Свойства.
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.
Используйте аргументы Name,Value
, чтобы задать дополнительные свойства нелинейности wavenet
. Например, NL= wavenet('NumberofUnits',5)
создает объект средства оценки нелинейности вейвлета с пятью модулями нелинейности в расширении вейвлета.
|
Количество модулей нелинейности в расширении вейвлета, заданном как положительное целое число или одно из следующих значений:
Значение по умолчанию: | ||||||||||||||||||||||||||||||||||||
|
Включение линейного члена, заданного как одно из следующих значений:
Значение по умолчанию: | ||||||||||||||||||||||||||||||||||||
|
Параметры в расширении вейвлета, заданном как структура со следующими полями:
Параметры обычно не присваиваются непосредственно. Они оцениваются идентификационным алгоритмом ( | ||||||||||||||||||||||||||||||||||||
|
Опции, задающие начальную структуру нелинейности вейвлета, заданную как структура со следующими полями:
|
wavenet
может использоваться и в Нелинейном ARX и в моделях Хаммерстайна-Винера.
Когда используется в модели Nonlinear ARX:
Если опцией оценки Focus
(см., nlarxOptions
) является 'prediction'
, wavenet
использует быстрый, неитеративный метод для оценки параметров [1]. Последовательные улучшения после первого использования оценки итеративный алгоритм.
Если Focus
является 'simulation'
, wavenet
использует итеративный метод для оценки параметров.
Чтобы всегда использовать неитеративный или итеративный алгоритм, задайте опцию IterativeWavenet
nlarxOptions
.
Когда используется в модели Хаммерстайна-Винера, параметры wavenet
определяются итеративной минимизацией.
[1] Чжан, Q. “Используя сеть вейвлета по непараметрической оценке”. Сделка IEEE на Нейронных сетях, Издании 8, Номере 2, март 1997, стр 227-236.