nlhwOptions
选项设置nlhw
描述
例子
估计Hammerstein-Wiener模型使用一个估计的选择集
创建评估选项设置nlhw
查看评估进展,使用Levenberg-Marquardt搜索方法,并设置最大迭代步骤50
。
选择= nlhwOptions;opt.Display =“上”;opt.SearchMethod =“lm”;opt.SearchOptions。MaxIterations= 50;
加载数据和估计模型。
负载iddata3sys = nlhw (z3、[4 2 1] idSigmoidNetwork, idPiecewiseLinear,选择);
指定一个选项设置Hammerstein-Wiener模型估计
创建一个选项设置nlhw
地点:
初始条件估计的估计数据。
子空间高斯牛顿最小二乘法用于估计。
选择= nlhwOptions (“InitialCondition”,“估计”,“SearchMethod”,“gn”);
输入参数
名称-值参数
指定可选的双参数作为Name1 = Value1,…,以=家
,在那里的名字
参数名称和吗价值
相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。
R2021a之前,用逗号来分隔每一个名称和值,并附上的名字
在报价。
例子:nlhwOptions (“InitialCondition”,“估计”)
InitialCondition
- - - - - -处理初始条件
“零”
(默认)|“估计”
在评估使用处理初始条件nlhw
,指定为逗号分隔两人组成的InitialCondition
和下列之一:
“零”
——初始条件设置为0。“估计”
——初始条件被视为独立的估计参数。
显示
- - - - - -评估进展显示设置
“关闭”
(默认)|“上”
评估进展显示设置,指定为逗号分隔组成的“显示”
和下列之一:
“关闭”
——没有任何进展或结果信息显示。“上”
——信息模型结构和评估结果显示在一个progress-viewer窗口。
正常化
- - - - - -选择规范化评估数据
真正的
(默认)|假
选择规范化评估数据,指定为真正的
或假
。如果正常化
是真正的
,那么该算法使用中指定的方法NormalizationOptions
规范化的数据。
因为饱和、死区和分段线性非线性物理意义,您必须使用时谨慎考虑正常化指定初始值。然而,即使正常化
是真的,软件会自动禁用这些非线性归一化时设置的属性NormalizationOptions.NormalizationMethod
来“汽车”
。
NormalizationOptions
- - - - - -选项设置配置规范化
选项设置
选项设置配置规范化,指定为下表所示的选项。第一个选项,NormalizationMethod
算法使用,确定哪些方法。默认的选项是“汽车”
。一般来说,对idnlhw
模型,设置的“汽车”
相当于一个设置的“中心”
。但是,如果您的模型包括的任何非线性估计有物理意义的参数idSaturation
,idDeadzone
,idPiecewiseLinear
——设置“汽车”
结果在软件禁用这些估计正常化。
除了“medianiqr”
,每个特定的方法NormalizationMethod
都有一个关联的配置选项,如CenterMethodType
当你指定“中心”
方法。关于这些方法的更多信息,请参见MATLAB®函数<一个href="//www.tatmou.com/help/matlab/ref/double.normalize.html">正常化
。
方法或方法的选择 | 价值 | 描述 | 默认的 |
---|---|---|---|
NormalizationMethod |
“汽车” |
自动设置方法。 |
(相当于 的 |
“中心” |
数据中心的意思是0。 | ||
“zscore” |
z分数平均值为0和标准偏差1。 | ||
“规范” |
2-norm。 | ||
“规模” |
规模的标准差。 | ||
“范围” |
重新调节范围的数据(最小,最大)。 | ||
“medianiqr” |
数据中心和规模1 0中位数和四分位范围。 | ||
|
“的意思是” |
中心意思是0。 | “的意思是” |
“中值” |
中心值0。 | ||
|
“性病” |
中心和规模意味着0和标准偏差1。 | “性病” |
“稳健” |
中心和规模值0,平均绝对偏差1。 | ||
|
“性病” |
规模的标准差。 | “性病” |
“疯了” |
规模的平均绝对偏差。 | ||
“差” |
四分位范围规模。 | ||
“第一” |
规模数据的第一个元素。 | ||
|
积极的实际价值 | p-norm,p是一个正整数。 | 2 |
|
2-element行向量 | 重新调节范围的数据表单的一个区间[b] ,在那里一个 <b 。 |
[0 1] |
OutputWeight
- - - - - -加权多输出预测误差的估计
“噪音”
(默认)|半正定矩阵
权重在多输出预测误差模型的估计,指定为逗号分隔组成的“OutputWeight”
和下列之一:
“噪音”
——自动计算最优加权估计噪声方差的倒数。这个权重最小化依据(E”* E)
,在那里E
矩阵的预测错误。当使用该选项不可用“lsqnonlin”
作为一个“SearchMethod”
。一个半正定矩阵,
W
的数量,大小等于输出。这个权重最小化跟踪(E”* E * W / N)
,在那里E
矩阵的预测错误和吗N
是数据样本的数量。
正则化
- - - - - -选择正则化模型参数的估计
结构
选择正规化的估计模型参数,指定为逗号分隔组成的“正规化”
和一个结构域:
字段名 | 描述 | 默认的 |
---|---|---|
λ |
偏差和方差平衡常数,指定为负的标量。 | 0 - - - - - -表示没有正规化。 |
R |
加权矩阵,指定为一个向量的非负标量或广场半正定矩阵。长度必须等于模型中的自由参数的数量,np 。使用<一个href="//www.tatmou.com/help/ident/ref/idmodel.nparams.html">nparams 命令来确定模型参数的数量。 |
1 :表示的值眼睛(np) 。 |
名义上的 |
自由参数的标称值对被评估期间,指定为以下之一:
|
“零” |
指定字段值正则化
,创建一个默认的nlhwOptions
设置和修改字段使用点符号。任何字段,你不要修改保留默认值。
选择= nlhwOptions;opt.Regularization。λ= 1.2;opt.Regularization。R = 0.5 *眼(np);
正则化技术用于指定模型弹性约束,减少不确定性的估计参数值。有关更多信息,请参见<一个href="//www.tatmou.com/help/ident/ug/regularized-estimates-of-model-parameters.html" class="a">正则化模型参数的估计。
SearchMethod
- - - - - -数值搜索方法用于迭代参数估计
“汽车”
(默认)|“gn”
|“玲娜”
|“lm”
|“研究生”
|“lsqnonlin”
|“fmincon”
数值搜索方法用于迭代参数估计中,指定为下表中的值之一。
SearchMethod |
描述 |
---|---|
“汽车” |
自动选择方法 线搜索算法的组合, |
“gn” |
子空间高斯牛顿最小二乘搜索。 雅可比矩阵的奇异值小于 |
“玲娜” |
自适应子空间高斯牛顿搜索。 特征值小于 |
“lm” |
Levenberg-Marquardt最小二乘搜索 每个参数值 |
“研究生” |
最陡下降最小二乘搜索。 |
“lsqnonlin” |
Trust-region-reflective算法<一个href="//www.tatmou.com/help/optim/ug/lsqnonlin.html">
|
“fmincon” |
约束非线性动力学。 您可以使用序贯二次规划(SQP)和trust-region-reflective算法的<一个href="//www.tatmou.com/help/optim/ug/fmincon.html">
|
SearchOptions
- - - - - -选项设置搜索算法
搜索选项设置
搜索算法选项设置,指定为逗号分隔组成的“SearchOptions”
和搜索选项设置字段的值取决于SearchMethod
。
SearchOptions
结构时SearchMethod
被指定为“gn”
,“玲娜”
,“lm”
,“研究生”
,或“汽车”
字段名 | 描述 | 默认的 | ||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
宽容 |
最低百分比区别的当前值损失函数及其预期改善在下一次迭代之后,指定为一个积极的标量。当预期改善的百分比小于 |
1 e-5 |
||||||||||||||||||||||||||||||
MaxIterations |
最大数量的迭代期间损失函数最小化,指定为一个正整数。迭代停止时 设置 使用 |
20. |
||||||||||||||||||||||||||||||
先进的 |
高级搜索设置,指定为一个结构有以下字段:
|
SearchOptions
结构时SearchMethod
被指定为“lsqnonlin”
字段名 | 描述 | 默认的 |
---|---|---|
FunctionTolerance |
终止宽容的损失函数最小化来确定的软件估计参数值,指定为一个积极的标量。 的价值 |
1 e-5 |
StepTolerance |
终止宽容估计参数值,指定为一个积极的标量。 的价值 |
1 e-6 |
MaxIterations |
最大数量的迭代期间损失函数最小化,指定为一个正整数。迭代停止时 的价值 |
20. |
先进的 |
高级搜索设置,指定为一个选项设置 有关更多信息,请参见优化选项表中<一个href="//www.tatmou.com/help/optim/ug/optimization-options-reference.html" class="a">优化选项(优化工具箱)。 |
使用optimset (“lsqnonlin”) 创建一个默认的选项集。 |
SearchOptions
结构时SearchMethod
被指定为“fmincon”
字段名 | 描述 | 默认的 |
---|---|---|
算法 |
关于算法的更多信息,请参阅<一个href="//www.tatmou.com/help/optim/ug/constrained-nonlinear-optimization-algorithms.html" class="a">约束非线性优化算法(优化工具箱)和<一个href="//www.tatmou.com/help/optim/ug/choosing-the-algorithm.html" class="a">选择算法(优化工具箱)。 |
“sqp” |
FunctionTolerance |
终止宽容的损失函数最小化来确定的软件估计参数值,指定为一个积极的标量。 |
1 e-6 |
StepTolerance |
终止宽容估计参数值,指定为一个积极的标量。 |
1 e-6 |
MaxIterations |
最大数量的迭代期间损失函数最小化,指定为一个正整数。迭代停止时 |
One hundred. |
指定字段值SearchOptions
,创建一个默认的nlhwOptions
设置和修改字段使用点符号。任何字段,你不要修改保留默认值。
选择= nlhwOptions;opt.SearchOptions。MaxIterations= 50; opt.SearchOptions.Advanced.RelImprovement = 0.5;
先进的
- - - - - -更多高级选项
结构
更多高级选项,指定为逗号分隔组成的“高级”
和一个结构域:
字段名 | 描述 | 默认的 |
---|---|---|
ErrorThreshold |
阈值调整时的重量从二次线性大错误,指定为负的标量。错误比ErrorThreshold 倍标准差估计有一个线性重量损失函数。标准差估计强劲的平均绝对偏差值的预测错误,除以0.7。如果你估计数据包含异常值,试着设置ErrorThreshold 来1.6 。 |
0 ——会导致一个纯粹的二次损失函数。 |
最大尺寸 |
最大数量的元素在一个段分为段,输入-输出数据时指定为一个正整数。 | 250000年 |
指定字段值先进的
,创建一个默认的nlhwOptions
设置和修改字段使用点符号。任何字段,你不要修改保留默认值。
选择= nlhwOptions;opt.Advanced。ErrorThreshold = 1.2;
输出参数
选择
——选择设置nlhw
nlhwOptions
选项设置
选项设置nlhw
,作为一个返回nlhwOptions
选项设置。
版本历史
介绍了R2015aR2018a:重命名的估计和分析选项
一些评估和分析选项的名称在R2018a改变。之前的名字仍然工作。详情,请参阅R2018a释放注意<一个href="//www.tatmou.com/help/ident/release-notes.html" class="a">重命名的估计和分析选项。
另请参阅
MATLAB命令
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。金宝app
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。