Синтаксис

Описание

m = merge(m1,m2,....,mN) объединяет предполагаемые модели. Модели m1,m2,...,mN все должны иметь одинаковую структуру, просто отличающуюся значениями параметров и ковариационными матрицами. Затем m является объединенной моделью, где вектор параметра является статистически взвешенным средним значением (используя ковариационные матрицы для определения весов) параметров mk.

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

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

tv является χ² распространяется с n степени свободы, если параметры m1 и m2 иметь те же средства. Вот n - длина вектора параметра. Большое значение tv таким образом, указывает, что может быть сомнительным объединение моделей.

Для idfrd модели, merge - статистическое среднее значение из двух откликов в отдельных моделях, взвешенных с использованием обратных отклонений. Вы можете объединить только два idfrd модели с откликами на тех же частотах и ненулевых ковариациях.

Объединение моделей является альтернативой объединению 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]);

результат в моделях ma и mb которые связаны и должны быть близки. Различие заключается в том, что объединение наборов данных принимает, что отношения сигнал-шум примерно одинаковы в двух экспериментах. Слияние моделей позволяет одной модели быть намного более неопределенной, например, из-за большего количества нарушений порядка в этом эксперименте. Если условия примерно одинаковы, мы рекомендуем, чтобы вы объединяли данные, а не модели, поскольку это более эффективно и обычно включает в себя лучшие обусловленные вычисления.

См. также

append