Набор опций для nlarx
opt = nlarxOptions(Name,Value)Name,Value аргументы пары.
opt = nlarxOptions;
Создание набора опций по умолчанию для nlarxи используйте точечную нотацию для изменения определенных опций.
opt = nlarxOptions;
Включите отображение хода выполнения оценки.
opt.Display = 'on';Минимизируйте норму ошибки моделирования.
opt.Focus = 'simulation';Используйте поиск наименьших квадратов Гаусса-Ньютона с максимум 25 итерациями.
opt.SearchMethod = 'gn';
opt.SearchOptions.MaxIterations = 25;Создание набора опций для nlarx задание следующих параметров:
Отключить итеративную оценку для оценки вейвлет-сети по умолчанию.
Включите просмотр хода выполнения оценки.
opt = nlarxOptions('IterativeWavenet','off','Display','on');
Укажите дополнительные пары, разделенные запятыми Name,Value аргументы. Name является именем аргумента и Value - соответствующее значение. Name должен отображаться внутри кавычек. Можно указать несколько аргументов пары имен и значений в любом порядке как Name1,Value1,...,NameN,ValueN.
'Focus','simulation','SearchMethod','grad' указывает, что норма ошибки моделирования минимизируется с помощью поиска наименьших квадратов самого крутого спуска.'Focus' - Цель минимизации'prediction' (по умолчанию) | 'simulation'Цель минимизации, указанная как пара, разделенная запятыми, состоящая из 'Focus' и одно из следующих:
'prediction' - минимизировать норму ошибки прогнозирования, которая определяется как разность между измеренным выходным сигналом и прогнозируемым откликом модели на один шаг вперед.
'simulation' - минимизировать норму ошибки моделирования, которая определяется как разница между измеренным выходом и смоделированным откликом модели.
'Display' - Настройка отображения хода выполнения оценки'off' (по умолчанию) | 'on'Параметр отображения хода выполнения оценки, указанный как пара, разделенная запятыми, состоящая из 'Display' и одно из следующих:
'off' - Информация о ходе выполнения или результатах не отображается.
'on' - Информация о структуре модели и результатах оценки отображается в окне просмотра хода выполнения.
'OutputWeight' - Взвешивание ошибки прогнозирования в оценках с несколькими выходами'noise' (по умолчанию) | положительная полуопределенная матрицаВзвешивание ошибки прогнозирования в оценках модели с несколькими выходами, указанной как пара, разделенная запятыми, состоящая из 'OutputWeight' и одно из следующих:
'noise' - Оптимальное взвешивание вычисляется автоматически как обратное оценочной дисперсии шума. Это взвешивание минимизирует det(E'*E), где E - матрица ошибок прогнозирования. Этот параметр недоступен при использовании 'lsqnonlin' в качестве 'SearchMethod'.
Положительная полуопределённая матрица, W, размером, равным количеству выходов. Это взвешивание минимизирует trace(E'*E*W/N), где E - матрица ошибок прогнозирования и N - количество выборок данных.
'IterativeWavenet' - Итеративный wavenet настройка оценки'auto' (по умолчанию) | 'on' | 'off'Повторяющийся wavenet настройка оценки, заданная как пара, разделенная запятыми, состоящая из 'IterativeWavenet' и одно из следующих:
'auto' - Первая оценка не является итеративной, а последующие оценки являются итеративными.
'on' - Выполнять только итеративную оценку.
'off' - Выполнять только безразличную оценку.
Этот параметр применяется только при использовании wavenet устройство оценки нелинейности.
'Regularization' - Варианты упорядоченной оценки параметров моделиВарианты регуляризованной оценки параметров модели, определяемые как разделенная запятыми пара, состоящая из 'Regularization' и структура с полями:
| Имя поля | Описание | Дефолт |
|---|---|---|
Lambda | Смещение по сравнению с константой компромисса дисперсии, указанной как неотрицательный скаляр. | 0 - Указывает на отсутствие регуляризации. |
R | Матрица взвешивания, заданная как вектор неотрицательных скаляров или квадратная положительная полуопределённая матрица. Длина должна быть равна количеству свободных параметров в модели, np. Используйте nparams для определения количества параметров модели. | 1 - Указывает значение eye(np). |
Nominal |
Номинальное значение, к которому притягиваются свободные параметры при расчетах, указанное как одно из следующих:
| 'zero' |
Задание значений полей в Regularization, создайте значение по умолчанию nlarxOptions задайте и измените поля с помощью точечной нотации. Любые поля, которые не изменяются, сохраняют свои значения по умолчанию.
opt = nlarxOptions; opt.Regularization.Lambda = 1.2; opt.Regularization.R = 0.5*eye(np);
Регуляризация - это метод определения ограничений гибкости модели, которые уменьшают неопределенность в оценочных значениях параметров. Дополнительные сведения см. в разделе Регуляризованные оценки параметров модели.
'SearchMethod' - Метод численного поиска, используемый для итеративной оценки параметров'auto' (по умолчанию) | 'gn' | 'gna' | 'lm' | 'grad' | 'lsqnonlin' | 'fmincon'Метод численного поиска, используемый для итеративной оценки параметров, определяемый как разделенная запятыми пара, состоящая из 'SearchMethod' и одно из следующих:
'auto' - комбинация алгоритмов поиска линии, 'gn', 'lm', 'gna', и 'grad' на каждой итерации последовательно пробуют способы. Используется первое направление спуска, ведущее к снижению стоимости оценки.
'gn' - Подпространство поиска наименьших квадратов Гаусса-Ньютона. Сингулярные значения матрицы Якобиана меньше GnPinvConstant*eps*max(size(J))*norm(J) отбрасываются при вычислении направления поиска. J - матрица Якобиана. Матрица Гессена аппроксимируется как JTJ. Если в этом направлении нет улучшений, функция пробует направление градиента.
'gna' - адаптивный подпространственный поиск Гаусса-Ньютона. Собственные значения меньше gamma*max(sv) гессенцы игнорируются, где sv содержит сингулярные значения гессенца. Направление Гаусса - Ньютона вычисляется в оставшемся подпространстве. гамма имеет начальное значение InitialGnaTolerance (см. Advanced в 'SearchOptions' для получения дополнительной информации. Это значение увеличивается на коэффициент LMStep каждый раз при поиске не удается найти меньшее значение критерия менее чем за пять делений. Это значение уменьшается на коэффициент 2*LMStep каждый раз при успешном поиске без каких-либо делений.
'lm' - поиск наименьших квадратов Левенберга-Марквардта, где следующим значением параметра является -pinv(H+d*I)*grad из предыдущего. H - гессен, I - тождественная матрица, а grad - градиент. d - число, которое увеличивается до тех пор, пока не будет найдено меньшее значение критерия.
'grad' - Самый крутой спуск поиск наименьших квадратов.
'lsqnonlin' - Алгоритм отражения области доверия lsqnonlin(Панель инструментов оптимизации). Требуется программное обеспечение Optimization Toolbox™.
'fmincon' - Ограниченные нелинейные решатели. Можно использовать последовательное квадратичное программирование (SQP) и алгоритмы, отражающие область доверия fmincon(Панель инструментов оптимизации) решатель. При наличии программного обеспечения Optimization Toolbox можно также использовать внутренние и активные алгоритмы fmincon решатель. Укажите алгоритм в SearchOptions.Algorithm вариант. fmincon алгоритмы могут привести к улучшению результатов оценки в следующих сценариях:
Проблемы минимизации с ограничениями при наличии ограничений, наложенных на параметры модели.
Структуры модели, в которых функция потерь является нелинейной или негладкой функцией параметров.
Оценка модели с несколькими выходами. Функция потери определителя минимизируется по умолчанию для оценки модели с множеством выходов. fmincon алгоритмы способны непосредственно минимизировать такие потери. Другие методы поиска, такие как 'lm' и 'gn' минимизировать функцию потерь определителя путем попеременной оценки дисперсии шума и уменьшения значения потерь для данного значения дисперсии шума. Следовательно, fmincon алгоритмы могут обеспечить лучшую эффективность и точность для оценок моделей с множеством выходов.
'SearchOptions' - Набор опций для алгоритма поискаПараметры, установленные для алгоритма поиска, заданного как разделенная запятыми пара, состоящая из 'SearchOptions' и набор опций поиска с полями, зависящими от значения SearchMethod:
SearchOptions Структура при SearchMethod указано как 'gn', 'gna', 'lm', 'grad', или 'auto'
| Имя поля | Описание | Дефолт | ||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Tolerance | Минимальная процентная разница между текущим значением функции потерь и ожидаемым улучшением после следующей итерации, заданная как положительный скаляр. Когда процент ожидаемого улучшения меньше | 1e-5 | ||||||||||||||||||||||||||||||
MaxIterations | Максимальное число итераций при минимизации функции потери, указанное как положительное целое число. Итерации останавливаются, когда Настройка Использовать | 20 | ||||||||||||||||||||||||||||||
Advanced | Дополнительные параметры поиска, указанные как структура со следующими полями:
| |||||||||||||||||||||||||||||||
SearchOptions Структура при SearchMethod указано как 'lsqnonlin'
| Имя поля | Описание | Дефолт |
|---|---|---|
FunctionTolerance | Допуск окончания для функции потерь, которую программное обеспечение минимизирует для определения оцененных значений параметров, заданных как положительный скаляр. Значение | 1e-5 |
StepTolerance | Допуск окончания для оцененных значений параметров, заданных как положительный скаляр. Значение | 1e-6 |
MaxIterations | Максимальное число итераций при минимизации функции потери, указанное как положительное целое число. Итерации останавливаются, когда Значение | 20 |
Advanced | Дополнительные параметры поиска, указанные как набор параметров для Дополнительные сведения см. в таблице Опции оптимизации (Optimization Options) в разделе Опции оптимизации (Optimization Options) (Панель инструментов оптимизации). | Использовать optimset('lsqnonlin') для создания набора опций по умолчанию. |
SearchOptions Структура при SearchMethod указано как 'fmincon'
| Имя поля | Описание | Дефолт |
|---|---|---|
Algorithm |
Дополнительные сведения о алгоритмах см. в разделах Ограниченные нелинейные алгоритмы оптимизации (панель инструментов оптимизации) и Выбор алгоритма (панель инструментов оптимизации). | 'sqp' |
FunctionTolerance | Допуск окончания для функции потерь, которую программное обеспечение минимизирует для определения оцененных значений параметров, заданных как положительный скаляр. | 1e-6 |
StepTolerance | Допуск окончания для оцененных значений параметров, заданных как положительный скаляр. | 1e-6 |
MaxIterations | Максимальное число итераций при минимизации функции потерь, указанное как положительное целое число. Итерации останавливаются, когда | 100 |
Задание значений полей в SearchOptions, создайте значение по умолчанию nlarxOptions задайте и измените поля с помощью точечной нотации. Любые поля, которые не изменяются, сохраняют свои значения по умолчанию.
opt = nlarxOptions; opt.SearchOptions.MaxIter = 15; opt.SearchOptions.Advanced.RelImprovement = 0.5;
'Advanced' - Дополнительные дополнительные опцииДополнительные дополнительные параметры, указанные как пара, разделенная запятыми, состоящая из 'Advanced' и структура с полями:
| Имя поля | Описание | Дефолт |
|---|---|---|
ErrorThreshold | Порог для настройки веса больших ошибок с квадратичного на линейный, определяемый как неотрицательный скаляр. Ошибки больше, чем ErrorThreshold раз расчетное стандартное отклонение имеет линейный вес в функции потери. Стандартное отклонение оценивается надежно как медиана абсолютных отклонений от медианы ошибок прогнозирования, деленная на 0,7. Если данные оценки содержат отклонения, попробуйте установить ErrorThreshold кому 1.6. | 0 - Приводит к чисто квадратичной функции потерь. |
MaxSize | Максимальное количество элементов в сегменте при разделении данных ввода-вывода на сегменты, задаваемое как положительное целое число. | 250000 |
Задание значений полей в Advanced, создайте значение по умолчанию nlarxOptions задайте и измените поля с помощью точечной нотации. Любые поля, которые не изменяются, сохраняют свои значения по умолчанию.
opt = nlarxOptions; opt.Advanced.ErrorThreshold = 1.2;
opt - Набор опций для nlarx командаnlarxOptions набор опцийНабор опций для nlarx команда, возвращенная как nlarxOptions набор опций.
Названия некоторых вариантов оценки и анализа были изменены в R2018a году. Прежние имена все еще работают. Дополнительные сведения см. в примечании к версии R2018a Переименование параметров оценки и анализа.
Имеется измененная версия этого примера. Открыть этот пример с помощью изменений?
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.