residualSimilarityModel的算法的样子如何?

3视图(30天)

显示旧的评论

马文·埃克特 2020年9月7日

0
链接

这个问题直接联系

//www.tatmou.com/matlabcentral/answers/590131-how-does-the-algorithm-of-the-residualsimilaritymodel-looks-like

评论道: 马文·埃克特2020年9月11日

答:接受 Ayush古普塔

亲爱的MATLAB社区,

其实我有一个简单的问题,不需要一个超级科学回答。 residualSimilarityModel的粗略的算法是什么?

培训我知道每个乐团成员获得回归适合基于方程中定义方法。然后我假设的命令 predictRUL () 执行更多的回归拟合输入数据和后跟一个资讯classifiaction检查女巫回归模型的训练数据是最接近实际的回归模型,然后预测最接近的荷重软化模型。

然而,在“方法”是写的描述:“ 类型的模型使用合适的函数,用于训练剩余的一代 ,指定为以下之一: “是什么意思残留一代?这部分是困惑我的假设下,什么是剩余的回归模型适合使用?不知何故,我与资讯假设下解释,我错了。

做某人的概述这种模式是如何运作的吗?

2的评论
显示1年长的评论藏1年长的评论

马文·埃克特 2020年9月7日

附录:这里面的解释模型

                               %残余相似模型比较残差的大小
                              
                               %合奏生成的模型来确定最近的邻居的
                              
                               %测试组件的退化状况。首先,每一个成员
                              
                               %历史数据整体安装了相同的模型结构,
                              
                               %使用“适合”方法。然后测试组件的退化数据使用
                              
                               %计算互译为每个模型预测错误。的大小
                              
                               这些错误%作为指标测试组件的亲密
                              
                               %历史乐团成员;残差越小,
                              
                               %越接近测试组件生成它的成员。你可以
                              
                               %视图残余相似模型作为一种特殊类型的成对相似性
                              
                               %模型,利用模型残差的大小来衡量
                              
                               %的距离。
                              
                               %
                              
                               %剩余使用寿命(原则)的测试组件是估计的
                              
                               %的统计中值寿命减去最相似的组件
                              
                               %当前生命时间价值(见predictRUL)。