1) recursive orthogonal least square algorithm
递推正交最小二乘算法
2) ROLSA
递归正交最小二乘算法
1.
The recursive orthogonal least square algorithm (ROLSA) is used to optimally select the hidden centers vectors of the radial basis probabilistic neural networks (RBPNN).
使用递归正交最小二乘算法(ROLSA)优选径向基概率神经网络(RBPNN)的隐中心矢量,微遗传算法(μGA)用于求解RBPNN最优核函数控制参数,并同ROLSA相结合(ROLS-μGA)来优化RBPNN的全结构(优选最优控制参数及隐中心矢量)。
3) fast recursive least square scheme
快速递推最小二乘算法
4) RLS
递推最小二乘算法
1.
The PID parameters can be updated on line via the recursive least squares(RLS) algorithm.
该设计方法使用递推最小二乘算法进行对象的在线辨识,使系统具有良好的自适应能力。
5) Online least-squares estimation
最小二乘遗传递推算法
6) RWLS
加权最小二乘递推算法
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