1) update rule
修正递推规则
2) updating recurrences
修正递推
1.
This paper introduces a special type of Matrix-variate DLM (Dynamic Linear Model)which gives the distribution of variance matrix Vt of observation error matrix when Vt is an unknown constant matrix,and proceeds to give the algorithm of updating recurrences and forecasting.
讨论了一类特殊矩阵变量DLM的观测误差方差阵Vt为未知常数矩阵情况下的分布,并给出了修正递推及其预测公式。
3) rules of recognition
修正规则
4) rule revising
规则修正
1.
Inspired by negative selection algorithm, the authors propose a classification rule revising strategy to implement the above observation.
基于否定选择算法的思想提出了分类规则修正策略,用反例样本集合对分类规则进行耐受,从分类规则错误判别的反例样本中再产生规则,与原来的规则组成新规则,称为增强关联规则。
5) rule self-revise
规则自修正
6) error correction rule
错误修正规则
1.
The extendible part introduces error correction rules w.
可扩展部分引入了错误修正规则对基本算法的求解错误进行修正,使求解正确率得到进一步的提高。
补充资料:递推估计算法
利用时刻t上的参数估计孌(t)、存储向量嗘(t)与时刻 t+1上测量的输入和输出值u(t+1)和y(t+1)计算新参数值孌(t+1),再根据孌(t+1)计算出新参数值孌(t+2),直到获得满意的参数值为止。这种算法的每一步计算量都比较小,能够使用小型计算机进行离线或在线参数估计,可以估计时变参数,也可以实时估计适应控制器的参数(见适应控制系统)。20世纪60年代,递推估计算法得到迅速发展,到了70年代产生了许多不同的方法,例如,有离线方法的各种变形、卡尔曼滤波法、随机逼近方法和模型参考适应参数递推估计法等。递推估计算法的各种方法可以用一个统一的公式来描述:
给孌(t),F(t),嫓(t)和w(t)不同的值就得到各种不同的方法:①递推最小二乘法;②递推增广最小二乘法;③递推近似极大似然法;④递推辅助变量法;⑤递推广义最小二乘法;⑥卡尔曼滤波参数估计;⑦随机逼近法;⑧模型参考适应法;⑨时变参数递推估计法。
参考书目
Lennart Ljung,Torsten Soderstrom, Theory and Practice of Recursive Identification,MIT Press., Combridge, Mass., 1983.
给孌(t),F(t),嫓(t)和w(t)不同的值就得到各种不同的方法:①递推最小二乘法;②递推增广最小二乘法;③递推近似极大似然法;④递推辅助变量法;⑤递推广义最小二乘法;⑥卡尔曼滤波参数估计;⑦随机逼近法;⑧模型参考适应法;⑨时变参数递推估计法。
参考书目
Lennart Ljung,Torsten Soderstrom, Theory and Practice of Recursive Identification,MIT Press., Combridge, Mass., 1983.
说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条