Рекуррентный алгоритм

Cтраница 3

Существенное влияние на быстроту сходимости и другие свойства рекуррентных алгоритмов адаптации (3.41) оказывает выбор параметров yh, Kh. [31]

Аппроксимация данных методом наименьших квадратов. [32]

Метод наименьших квадратов может быть реализован и с применением рекуррентных алгоритмов, аналогичных рассмотренным в разд. При такой реализации будут получены последовательно улучающиеся оценки вектора g путем введения в обработку очередного элемента вектора Y и соответствующей строки матрицы F. Алгоритмы такого типа будут рассмотрены ниже ( см. разд. Они не требуют обращения матриц высокой размерности и весьма удобны при реализации и практическом использовании. [33]

Преимущество акселерантного оптимального алгоритма адаптации (3.41), (3.48) перед другими рекуррентными алгоритмами заключается в высокой быстроте сходимости и точности адаптации. Однако трудность вычислений на одном шаге этого алгоритма определяется необходимостью обращения матрицы вторых производных AT ф ( т0, to) ( при условии, что она не вырождена) и может оказаться чрезмерно высокой. В то же время локально оптимальные алгоритмы адаптации вида (3.41), (3.45) или (3.47), не требующие вычисления и обращения матрицы А ф ( т, f), существенно проще для вычисления. При этом они обеспечивают решение эстиматорных неравенств (4.1) через конечное число шагов. [34]

Более экономичным по требуемому объему памяти и числу операций являются рекуррентные алгоритмы. В таких алгоритмах результаты новых измерений учитываются только путем внесения поправок в значение уже имеющейся оценки, причем полностью повторять все вычисления заново не нужно. [35]

Если объем выборки меняется за счет поступления новых точек, более удобен рекуррентный алгоритм, не требующий запоминания всей предыдущей информации. [36]

Представление рекуррентного уравнения системой с замкнутой петлей управления. [37]

Чтобы решить эти уравнения и, таким образом, установить свойство сходимости рекуррентного алгоритма, математически удобно развязать уравнения путем линейного преобразования. [38]

Решение задачи может достигаться двумя способами: путем обобщенного обращения прямоугольной матрицы и с помощью рекуррентного алгоритма ( см, разд. В первом случае оценка вектора неизвестных параметров может быть получена лишь после завершения процесса измерений и накопления всех данных, т.е. после завершения наблюдения за объектом. Это исключает возможность использования результата для оперативного вмешательства в режим полета, для изменения его траектории или параметров системы управления. Второй подход основан на коррекции предыдущей оценки вектора параметров путем использования очередного измерения. При такой процедуре нет необходимости в накоплении и хранении всей предыстории, а полученные текущие оценки могут быть использованы для оперативного принятия решения и коррекции в режиме реального времени. [39]

Зависимость излишка среднеквадратичной ошибки и ошибки запаздывания от размера шага ячейки. [ Обработка цифровых сигналов, Дж. Дж. Прокис и Д. Дж. Манолакис., 1988 ]. [40]

НК алгоритм противопоказан для применения и необходимо для получения более быстрой сходимости и отслеживания рассчитывать на более сложные рекуррентные алгоритмы наименьших квадратов, описываемые в разд. [41]

Достоинством этих методов является то, что они обычно дают аналитически точное решение задачи в виде рекуррентного алгоритма, удобного для применения цифровых вычислительных машин. [42]

Как видно, пассивный эксперимент, как прикладная составляющая процесса получения математических моделей технологических процессов УКПГ, даже в сочетании с рекуррентными алгоритмами адаптации получаемых моделей, в силу сложности, трудоемкости процедур, больших временных затрат при отсутствии гарантий на полной успех не может в полной мере служить базой для моделирования. [43]

Обе последовательности А и В были получены геометрически: мы проводили линии на шахматной доске и закрашивали поля в темный цвет, пользуясь рекуррентным алгоритмом. Можно ли построить те же последовательности с помощью рекуррентного алгоритма, но не геометрического, а чисто численного. [44]

В такой стандартной постановке, когда заданы уравнения состояния (10.21) и наблюдений (10.19), задача калмановской фильтрации рассматривается в ряде работ [5, 47, 59], в которых показано, что ее решение можно получить программным способом в реальном масштабе времени с применением рекуррентных алгоритмов. На этом этап системного проектирования, в процессе которого определены алгоритмы обработки информационных сигналов разрабатываемой системы, можно считать законченным. [45]

Страницы: 1 2 3 4