小波网络函数非线性ARX和Hammerstein-Wiener模型
一个idWaveletNetwork
对象实现小波网络功能,是一个非线性映射函数估算非线性ARX模型和非线性Hammerstein-Wiener。映射函数,也称为非线性,使用一个线性的组合权重,一个偏移量和一个非线性函数来计算其输出。非线性函数包含小波单元操作的函数的径向组合输入。
数学上,idWaveletNetwork
是一个函数映射米输入X(t)= (x(t1),x2(t),…x米(t)]T一个标量输出y(t)使用以下关系:
在这里:
X(t)是一个米1的输入向量,或解释变量,意思是 。
y0是输出补偿,一个标量。
P是一个米——- - - - - -p投影矩阵,米解释变量的数量,是吗p是数量的线性权重。米必须大于或等于p。
l是一个p1的权重向量。
W(X),年代(X)一起构成小波网络的非线性函数。W(X)是一个扩张和翻译小波年代(X)是一个扩张和翻译(也称为缩放功能scalelets)。小波的总数dw和缩放功能d年代被称为数量的单位的网络。
小波函数的定义术语W(X)和扩展功能年代(X),看更多关于。
使用idWaveletNetwork
的价值OutputFcn
财产的idnlarx
模型或InputNonlinearity
和OutputLinearity
属性的idnlhw
对象。例如,指定idWaveletNetwork
当你评估一个idnlarx
使用下面的命令模式。
sys = nlarx(数据、解释变量idWaveletNetwork)
nlarx
估计模型,它估计的参数idWaveletNetwork
函数。
您可以配置idWaveletNetwork
函数来禁用组件和修正参数。忽略线性组件集LinearFcn.Use
来假
。省略了抵消,集Offset.Use
来假
。指定已知值的线性函数和偏移量,设置他们的价值
直接和设置相应的属性免费的
属性来假
。使用评估
计算功能对于一个给定的输出向量的输入。
创建一个W
= idWaveletNetworkidWaveletNetwork
对象W
的函数计算单位自动在模型估计的数量。
指定是否函数使用一个线性函数作为子组件。W
= idWaveletNetwork (numUnits
,UseLinearFcn
)
指定是否函数使用一个偏移量。W
= idWaveletNetwork (numUnits
,UseLinearFcn
,UseOffset
)
您可以使用idWaveletNetwork
在这两种非线性ARX和Hammerstein-Wiener模型。估计的算法idWaveletNetwork
你估计参数依赖于模型。
在非线性ARX模型,idWaveletNetwork
使用noniterative或迭代技术预测参数,根据选项设置nlarxOptions
。
如果焦点
选项设置为“预测”
,然后idWaveletNetwork
使用一个快速noniterative技术来估计参数[1]。连续细化后第一个估计使用迭代算法。
如果焦点
选项设置为“模拟”
,然后idWaveletNetwork
使用迭代技术来估计参数。
总是使用一个迭代或noniterative算法,指定IterativeWavenet
的属性nlarxOptions
作为“上”
或“关闭”
,分别。
在Hammerstein-Wiener模型中,idWaveletNetwork
使用迭代的最小化来确定参数。
[1]清华。“在非参数估计中使用小波网络。”IEEE神经网络8,不。2(1997年3月):227 - 36。https://doi.org/10.1109/72.557660。
nlhw
|nlarx
|idLinear
|idPolynomial1D
|idTreePartition
|idSigmoidNetwork
|idSaturation
|idPiecewiseLinear
|idUnitGain
|idDeadZone
|idFeedforwardNetwork
|idCustomNetwork
|idnlhw
|idnlarx
|评估