روش تعميم يافته حداقل مربعات GLS

فهرست عناوین اصلی در این پاورپوینت

فهرست عناوین اصلی در این پاورپوینت

● جلسه دهم
● روش تعميم يافته حداقل مربعات GLS
● GLS:
● GLS (cont):

عبارات مهم استفاده شده در این مطلب

عبارات مهم استفاده شده در این مطلب

ماتریس کوواریانس, نویز سفید, تخمین پارامترها, با, نویز رنگی, افزایش تعداد, رابطه محاسبه, خطای واریانس, یافته حداقل, خطاها زمان انباشته, میانگین با مربع, روش تعمیم یافته,

نوع زبان: فارسی حجم: 0.94 مگا بایت
نوع فایل: اسلاید پاورپوینت تعداد اسلایدها: 22 صفحه
سطح مطلب: نامشخص پسوند فایل: ppt
گروه موضوعی:  زمان استخراج مطلب: 2019/02/11 02:36:08

لینک دانلود رایگان لینک دانلود کمکی

توجه: این مطلب در تاریخ 2019/01/04 02:22:56 به صورت خودکار از فضای وب آشکار توسط موتور جستجوی پاورپوینت جمع آوری شده است و در صورت اعلام عدم رضایت تهیه کننده ی آن، طبق قوانین سایت از روی وب گاه حذف خواهد شد. این مطلب از وب سایت زیر استخراج شده است و مسئولیت انتشار آن با منبع اصلی است.

http://bme2.aut.ac.ir/~towhidkhah/BioModelling/Notes/89Lecture10.ppt

در صورتی که محتوای فایل ارائه شده با عنوان مطلب سازگار نبود یا مطلب مذکور خلاف قوانین کشور بود لطفا در بخش دیدگاه (در پایین صفحه) به ما اطلاع دهید تا بعد از بررسی در کوتاه ترین زمان نسبت به حدف با اصلاح آن اقدام نماییم. جهت جستجوی پاورپوینت های بیشتر بر روی اینجا کلیک کنید.

عبارات پرتکرار و مهم در این اسلاید عبارتند از: ماتریس کوواریانس, نویز سفید, تخمین پارامترها, با, نویز رنگی, افزایش تعداد, رابطه محاسبه, خطای واریانس, یافته حداقل, خطاها زمان انباشته, میانگین با مربع, روش تعمیم یافته,

مشاهده محتوای متنیِ این اسلاید ppt

مشاهده محتوای متنیِ این اسلاید ppt

جلسه دهم تخمین پارامترها ادامه مدلسازی سیستم های بیو لوژیکی دکتر توحیدخواه روش تعمیم یافته حداقل مربعات gls شرط اینکه روش ls بدون بایاس باشد نویز سفید باشد. اگر نویز رنگی باشد چه‌ در این صورت ماتریس سفید کننده q را طوری تعریف می کنیم تا نویز سفید شود. gls e نویز رنگی است. q ماتریس سفید کننده نویز است. ω نویز سفید است. gls cont می توان ثابت کرد که اگر ماتریس r ماتریس کورولیشن نویز e باشد می توان ماتریس q را از رابطه زیر بدست آورد gls cont بنابراین gls در واقع یک نوع خاص از روش wls است که در آن w r ۱ روش‌های تخمین یاد‌آوری ۱ روش تک تکراری enblock ۲ روش‌های تکراری ۲ ۱ روش های iterative offline ۲ ۲ روش های recursive online در یک آزمایش iterative ، یک آزمایش را n بار تکرار کرده و از تمامی n داده در هر مرحله استفاده می شود تا از حدس اولیه به مقدار نهایی برسیم و تفاوت آن با روش بازگشتی recursive این است که در روش بازگشتی، با تعدادی داده تخمین می زنیم و در هر مرحله یک داده اضافه می شود و دوباره تخمین دقیق تری می زنیم. روش iterative مثال پیدا کردن ریشه های معادله به روش نیوتن رافسون روش recursive برای سیستم های متغیر با زمان از این روش استفاده می شود. مثال محاسبه انتگرال سطح زیر منحنی در این روش دو ویژگی وجود دارد ۱ حجم داده‌های مورد استفاده در خلال محاسبات افزایش می‌یابد. ۲ یک سری اعداد تخمینةای میان‌راهی ، حاصل می‌گردد. خطاها در زمان انباشته می شوند و درواقع مانند یک انتگرال گیر عمل می کند. sk ۱ sk t f xk model error ۱ variance error ۲ bias error same input different output cause noise different input different output cause model weakness noise bias خطای واریانس این خطا ناشی از نویز است و با افزایش تعداد پارامترها خطای واریانس زیاد می شود.با افزایش تعداد آزمایشات این خطا کاهش می یابد خطای بایاس این خطا می تواند ناشی از نویز بایاس و یا ضعف مدل باشد. با افزایش تعداد پارامترها خطای بایاس کم می شود. variance error ماتریس کوواریانس n تعداد اندازه گیری واریانس نویز میانگین نویز صفر است . ماتریس کوواریانس گرادیان حساسیت پیش بینی نسبت به تخمین پارامترهای می توان نشان داد که توزیع متغیر تصادفی به سمت یک توزیع نرمال با میانگین و ماتریس کوواریانس میل می کند. که به صورت زیر نمایش داده می شود در سیستم های کنترلی هر چه حساسیت نسبت به پارامترها کمتر باشد بهتر است، اما در شناسایی سیستم هر چه حساسیت سیستم نسبت به پارامترها بیشتر باشد بهتر است. چرا که اگر خروجی با خروجی مطلوب فاصله داشته باشد، با تغییر کوچکی در ө به خروجی مطلوب می رسیم. منحنی حساسیت و تاثیر نمایشی در تخمین پارامترها مثال بررسی پارامتر های arx سیستمی به صورت زیر تعریف شده است y t .۹y t ۱ u t ۱ e t the input u is white noise with variance μ and the noise e t white with variance λ با استفاده از مدل arx داریم y t ay t ۱ bu t ۱ e t predictor با ضرب کردن معادله سیستم در u t و میانگین گیری حاصل داریم u t نسبت به y t ۱ ، u t ۱ و e t مستقل است. y t .۹y t ۱ u t ۱ e t با ضرب کردن معادله سیستم در y t ۱ و میانگین گیری داریم همچنین با مربع نمودن رابطه فوق و محاسبه میانگین معادله سیستم داریم y t .۹y t ۱ u t ۱ e t نتیجه کاهش واریانس پارامترهای تخمینی در اثر کاهش واریانس ورودی اگر در تخمین ls ، نویز سفید باشد بدون بایاس بوده و برای ماتریس کوواریانس داریم تخمین واریانس نویز ماتریس کواریانس از رابطه زیر محاسبه می شود یک تخمین بدون بایاس از از رابطه زیر محاسبه می­شود که برای مقدار v داریم yue q qyquqe q yu qw ۱ t qqr ۱ ۱ ۱۱۱ tt tttt tt uuuy uqquuqqy uruury q ù ۱ k kk k fx fx xx fx ۱ ۱ . nn t n per n qqqql ùù n q ù l n p t rett yqyq t yq r q d tyt d yqq q ù ۱ ۱ n t nn n t rtt n yqyq ùùù å r l ۲ ۱ ۱ n n n t t n leq ùù å ۱ ۱ nn n pr n l ùùù q n q ù ۱ n nnr qql ù ® n p ۱ ۱ yt t ut yq æö ç÷ èø yyu yuu rr r rr æö ç÷ èø ۲ ۱۱ ۲ ۱۱ ۱ ۱ ۱ ۱ ۱ ۱ nn iii ii t nn iii ii ytytut rett utytut yqyq æö ç÷ ç÷ ç÷ ç÷ èø åå åå yu reytut ۱ .۹ yy rr ۱ .۸۱ ۱.۸ ۱ yy rr ml .۱۹ y r ml ۱ .۱۹۱ nn varavarb nn ll mlm ùù n q ù ۲ ۲ svnn q ù ۲۱۲۱ tt covuu qlffl ù å n t n t e n v ۱ ۲ ۱ q q …

کلمات کلیدی پرکاربرد در این اسلاید پاورپوینت: ماتریس کوواریانس, نویز سفید, تخمین پارامترها, با, نویز رنگی, افزایش تعداد, رابطه محاسبه, خطای واریانس, یافته حداقل, خطاها زمان انباشته, میانگین با مربع, روش تعمیم یافته,

این فایل پاورپوینت شامل 22  اسلاید و به زبان فارسی و حجم آن 0.94 مگا بایت است. نوع قالب فایل ppt بوده که با این لینک قابل دانلود است. این مطلب برگرفته از سایت زیر است و مسئولیت انتشار آن با منبع اصلی می باشد که در تاریخ 2019/02/11 02:36:08 استخراج شده است.

http://bme2.aut.ac.ir/~towhidkhah/BioModelling/Notes/89Lecture10.ppt

  • جهت آموزش های پاورپوینت بر روی اینجا کلیک کنید.
  • جهت دانلود رایگان قالب های حرفه ای پاورپوینت بر روی اینجا کلیک کنید.

رفتن به مشاهده اسلاید در بالای صفحه

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *