生成一組帶有高斯噪聲的樣本,分別用一階,二階,三階的最小二乘估計(jì)方法進(jìn)行擬合,然后分別用AIC,MDL,FPE,CAT四種評(píng)測(cè)模型對(duì)其性能進(jìn)行比較,得到最優(yōu)的擬合模型.
上傳時(shí)間： 2016-05-08
上傳用戶：shawvi
在系統(tǒng)辨識(shí)過程中,系統(tǒng)介數(shù)未知,估計(jì)模型階次的FPE法
標(biāo)簽： FPE 系統(tǒng)辨識(shí) 模型
上傳時(shí)間： 2014-12-05
上傳用戶：skhlm
按FPE定階的 源程序：FPE.cpp M序列：M序列.txt 白噪聲：Gauss.txt 程序中先用依模型階次遞推算法估計(jì)模型的參數(shù)，再用FPE方法判斷模型的階次。 程序運(yùn)行結(jié)果如下： n: 1 判斷階次FPE的值: 0.0096406 -0.481665 1.07868 n: 2 判斷階次FPE的值: 0.00875755 -0.446739 0.00498181 1.07791 0.0527289 n: 3 判斷階次FPE的值: 0.0087098 -0.459433 0.120972 -0.0569228 1.07814 0.0390757 0.116982 n: 4 判斷階次FPE的值: 0.000396884 -0.509677 0.4501 -0.200906 0.0656188 1.07991 -0.0156362 0.442989 0.0497236 n: 5 判斷階次FPE的值: 3.2095e-007 -1.18415 0.813123 -0.517862 0.34881 -0.116864 1.07999 -0.744141 0.474462 -0.253112 0.122771 n: 6 判斷階次FPE的值: 3.23349e-007 -1.14659 0.76933 -0.487651 0.329676 -0.10377 -0.00440907 1.07999 -0.703574 0.447253 -0.235282 0.113587 0.00479688 從以上結(jié)果可以看出，當(dāng)n=5時(shí)，FPE值最小，所以這時(shí)的模型階次和參數(shù)估計(jì)值為最優(yōu)結(jié)果： 3.2095e-007 -1.18415 0.813123 -0.517862 0.34881 -0.116864 1.07999 -0.744141 0.474462 -0.253112 0.122771
上傳時(shí)間： 2013-12-11
上傳用戶：yd19890720
This function calculates Akaike s final prediction error ％ estimate of the average generalization error. ％ ％ [FPE,deff,varest,H] = FPE(NetDef,W1,W2,PHI,Y,trparms) produces the ％ final prediction error estimate (FPE), the effective number of ％ weights in the network if the network has been trained with ％ weight decay, an estimate of the noise variance, and the Gauss-Newton ％ Hessian. ％
標(biāo)簽： generalization calculates prediction function
上傳時(shí)間： 2014-12-03
上傳用戶：maizezhen
This function calculates Akaike s final prediction error ％ estimate of the average generalization error for network ％ models generated by NNARX, NNOE, NNARMAX1+2, or their recursive ％ counterparts. ％ ％ [FPE,deff,varest,H] = nnFPE(method,NetDef,W1,W2,U,Y,NN,trparms,skip,Chat) ％ produces the final prediction error estimate (FPE), the effective number ％ of weights in the network if it has been trained with weight decay, ％ an estimate of the noise variance, and the Gauss-Newton Hessian. ％
標(biāo)簽： generalization calculates prediction function
上傳時(shí)間： 2016-12-27
上傳用戶：腳趾頭
本教程包含了（WPE，FPE）編程類（動(dòng)作式，單機(jī)游戲改式，盜號(hào)工具制作，加速式外掛，網(wǎng)絡(luò)游戲數(shù)據(jù)修改），還有豐富源碼。-
上傳時(shí)間： 2013-12-24
上傳用戶：徐孺
程序中先用依模型階次遞推算法估計(jì)模型的參數(shù)，再用FPE方法判斷模型的階次。
上傳時(shí)間： 2017-08-13
上傳用戶：qb1993225
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
