Функция вейвлет для нелинейных моделей ARX и Гаммерштейна-Винера
A wavenet
объект реализует функцию вейвлет и является нелинейной функцией отображения для оценки нелинейных моделей ARX и нелинейных Гаммерштейна-Вайнера. Функция отображения, которая также упоминается как nonlinearity, использует комбинацию линейных весов, смещения и нелинейной функции, чтобы вычислить ее выход. Нелинейная функция содержит вейвлет модуля функции, которые работают на радиальной комбинации входов.
Математически wavenet сеть является функцией, которая отображает m входы X (t) = [x (t 1), x 2 (t),..., xm (t)]T к скаляру выходному y (t) с помощью следующей зависимости:
Здесь:
X (t) является вектором m -by-1 входов или regressors со средним.
y0 - выход смещение, скаляр.
P - m -by - p проекционная матрица, где m - количество регрессоров и p - количество линейных весов. m должно быть больше или равно p.
L является вектором весов p -by-1.
W (X) и S (X) вместе составляют нелинейную функцию вейвлет. W (X) является суммой расширенных и переведенных вейвлеты, в то время как S (X) является суммой расширенных и переведенных масштабирующих функций (также известных как scalelets). Общее количество вейвлета функций dw и масштабирования ds упоминается как number of units сети.
Для определений термина W (X) вейвлет и термина S (X) масштабирующей функции смотрите Подробнее о.
Использование wavenet
как значение OutputFcn
свойство idnlarx
модель или InputNonlinearity
и OutputLinearity
свойства idnlhw
объект. Для примера задайте wavenet
когда вы оцениваете idnlarx
модель с помощью следующей команды.
sys = nlarx(data,regressors,wavenet)
nlarx
оценивает модель, она по существу оценивает параметры wavenet
функция.
Можно сконфигурировать wavenet
функция для отключения компонентов и фиксации параметров. Чтобы опустить линейный компонент, установите LinearFcn.Use
на false
. Чтобы опустить смещение, установите Offset.Use
на false
. Чтобы задать известные значения для линейной функции и смещения, установите их Value
атрибуты непосредственно и установите соответствующие Free
атрибуты False
. Использовать evaluate
вычислить выход функции для заданного вектора входов.
создает W
= wavenetwavenet
W объекта
, для которого функция автоматически вычисляет количество модулей во время оценки модели.
определяет количество модулей W
= wavenet(numUnits
)numUnits
. Этот синтаксис включает опцию, которая позволяет вам в интерактивном режиме оценить связь между количеством модулей и необъяснимым отклонением.
определяет, использует ли функция линейную функцию в качестве подкомпонента.W
= wavenet(numUnits
,UseLinearFcn
)
определяет, использует ли функция термин смещения.W
= wavenet(numUnits
,UseLinearFcn
,UseOffset
)
Можно использовать wavenet
в нелинейных моделях ARX и Hammerstein-Wiener. Алгоритмы оценки wavenet
параметры зависят от той модели, которую вы оцениваете.
В нелинейной модели ARX, wavenet
использует неитеративный или итеративный метод для предсказания параметров, в зависимости от настроек опции в nlarxOptions
.
Если на Focus
для опции задано значение 'prediction'
, затем wavenet
использует быстрый нетеративный метод для оценки параметров [1]. Последующие уточнения после первой оценки используют итерационный алгоритм.
Если на Focus
для опции задано значение 'simulation'
, затем wavenet
использует итерационный метод для оценки параметров.
Чтобы всегда использовать итеративный или неитеративный алгоритм, задайте IterativeWavenet
свойство nlarxOptions
как 'on'
или 'off'
, соответственно.
В модели Гаммерштейна-Винера, wavenet
использует итерационную минимизацию для определения параметров.
[1] Цинхуа Чжан. «Использование вейвлет в непараметрической оценке». Транзакции IEEE в нейронных сетях 8, № 2 (март 1997): 227-36. https://doi.org/10.1109/72.557660.
customnet
| deadzone
| evaluate
| idnlarx
| idnlhw
| linear
| neuralnet
| nlarx
| nlhw
| poly1d
| pwlinear
| saturation
| sigmoidnet
| treepartition
| unitgain