非线性ARX和Hammerstein-Wiener模型的小波网络函数
一个idWaveletNetwork
对象实现小波网络功能,是用于估计非线性ARX和非线性HAMBerstein-Wiener模型的非线性映射功能。映射函数,也称为a非线性,使用线性重量,偏移和非线性函数的组合来计算其输出。非线性功能包含在输入的径向组合上操作的小波单元功能。
数学上,idWaveletNetwork
是一个映射函数吗M.输入X(T.) = (X(T.1),X2(T.),…XM.(T.)]T.到标量输出y(T.),使用以下关系:
在这里:
X(T.)是一个M.- 1个输入的向量,或回归者,平均值 .
y0.是输出偏移量,标量。
P.是一个M.-经过-P.投影矩阵,M.是回归数和是吗P.是线性重量的数量。M.必须大于或等于P..
L.是A.P.-乘1的权重向量。
W.(X) 和S.(X)共同构成小波网络的非线性函数。W.(X)是扩展的小波和翻译的小波之和S.(X)是扩张和翻译的缩放功能的总和(也称为scalelets).小波的总数D.W.和缩放功能D.S.被称为单位数网络。
对于小波函数项的定义W.(X)和缩放函数术语S.(X), 看更多关于.
使用idWaveletNetwork
作为价值outputfcn.
财产的idnlarx
模型或者InputNonlinearity
和输出线性
属性的idnlhw
对象。例如,指定idWaveletNetwork
当你估计一个idnlarx
使用以下命令的模型。
sys = nlarx(数据,回归器,IDWaveletNetwork)
nlarx
估计模型,它基本上估计了该模型idWaveletNetwork
功能。
您可以配置idWaveletNetwork
函数禁用组件和修复参数。省略线性组件,设置LinearFcn。使用
来假
.省略偏移量,设置偏移量。使用
来假
.要指定线性函数的已知值和偏移量,请设置它们价值
属性,并设置相应免费的
属性到假
.使用评估
计算给定输入的给定向量的函数的输出。
创造一个W.
= idWaveletNetworkidWaveletNetwork
目的W.
,该功能在模型估计期间自动计算单位数。
指定函数是否使用线性函数作为子分量。W.
= idwaveletnetwork(numUnits
那UseLinearFcn
的)
指定函数是否使用偏移量项。W.
= idwaveletnetwork(numUnits
那UseLinearFcn
那使用OFFSET.
的)
您可以使用idWaveletNetwork
在非线性ARX和Hammerstein-Wiener模型中。估计的算法idWaveletNetwork
参数取决于您所估计的模型。
在非线性ARX模型中,idWaveletNetwork
根据选项设置,使用非特性或迭代技术来预测参数,这是根据选项设置来预测参数nlarxOptions
.
如果重点
选项设置为'预言'
, 然后idWaveletNetwork
使用快速非迭代技术来估计参数[1].第一次估计后的连续细化使用迭代算法。
如果重点
选项设置为“模拟”
, 然后idWaveletNetwork
使用迭代技术来估计参数。
要始终使用迭代或非标语算法,请指定IterativeWavenet
的属性nlarxOptions
作为'在'
或'离开'
, 分别。
在Hammerstein-Wiener模型中,idWaveletNetwork
使用迭代最小化来确定参数。
[1]清华。“小波网络在非参数估计中的应用”。神经网络学报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