Особливості методу

Основною особливістю алгоритмів МГУА є те, що коли використовуються неперервні дані із завадами, він вибирає оптимальну спрощену нефізичну модель. Тільки для точних чи дискретних даних алгоритми вибирають так звану фізичну модель – найбільш просту модель з усіх незміщених моделей.

Особливі риси МГУА такі:

1. Зовнішнє доповнення: Виходячи з роботи С.Біра, тільки критерій розрахований на новій незалежній інформації, може дати мінімум переборної характеристики. Для цього вибірка ділиться на частини для побудови та оцінки моделей.

2. Всі питання щодо вибору алгоритму, критерію, типу базисних функцій, розбиття вибірки даних мають визначатися за допомогою порівняння значень критерію – той варіант кращий, який веде до мінімального значення зовнішнього критерію.

3. Додаткове визначення моделі: У випадках, коли важко провести вибір оптимальної фізичної моделі через рівень завад чи осциляції залежності мінімуму критерію, має бути застосований додатковий дискримінаційний критерій. Вибір головного критерію та обмежень переборної процедури є основною евристикою у МГУА.

4. Свобода вибору: Згідно з роботою Д.Габора, у багаторядних алгоритмах МГУА з одного рівня на наступний має передаватися не один, а кілька кращих результатів для забезпечення «свободи вибору».

5. Всі алгоритми мають багаторядну структуру і паралельне обчислення може бути застосоване для їх реалізації.

Найбільш часто використовуються критерії чотирьох типів: точності, узгодженості, балансу та динамічні. В основному використовуються відомі критерії: «змінного контролю» PRR(s), регулярності AR(s) та балансу змінних BL(s).

Відмінність алгоритмів МГУА від інших алгоритмів структурної ідентифікації та селекції кращої регресії полягає у властивостях:

· використання зовнішнього критерію, що базується на поділі вибірки даних та є адекватним до задачі побудови прогнозуючих моделей, за зменшенням потреб до об’єму первісної інформації;

· значно більшою різноманітністю генераторів структур: використання як у регресійних алгоритмах шляхів повного чи зменшеного перебору варіантів структур та застосування оригінальних багаторядних ітераційних процедур;

· більшим ступенем автоматизації – достатньо лише ввести первісні дані та вказати зовнішній критерій;

· автоматичною адаптацією складності оптимальної моделі та зовнішніх критеріїв до рівня завад у системі чи порушень – ефект завадостійкості обумовлює робастність підходу;

· запровадження принципу некінцевих рішень у процес поступового ускладнення моделей.

Дата добавления: 2014-01-07