Сдам Сам

ПОЛЕЗНОЕ


КАТЕГОРИИ







Розгляд нелінійного аналогу кроскореляційної функції





На кінець, якщо ми згадаємо зв'язок коєффіціенту корреляції з НВСКП (відносною непоясненою дисперсією) то

можливо запропонувати аналіз деякого нелінійного аналогу ККФ - функції

та побудованих на значеннях кореляції моделей прогнозу (на k кроків) рядів по моделям типу (9), (10) тобто коли моделюємо по та його лагами, а моделюємо по та його лагами. Маємо на увазі що моделі типу (9), (10) - свої для кожного значення k.

Ще раз

Для дослідження та побудові ЧНС при гіпотезі лінійного ЧН зв’язку між змінними ми використовуємо значення ККФij (к) при випередженні на к кроків ряду змінної змінної та навпаки значення ККФji (к) при випередженні на к кроків ряду змінної змінної .

Та ж методологія використовуєтся при дослідженні та побудові ЧНС при гіпотезі нелінійного ЧН зв’язку між змінними. Тільки тут ми використовуємо значення коєффіціентів корреляції та

 

Висновок – ми одержали узагальнений механізм дослідження ЧНСтр і для лінійного і для нелінійного випадку зв’язку в системі процесів.

 

 

(приложение ПСА к решению задачи классификации)

Класифікація об’єктів заданих часовими рядами

Розглядається задача класифікації, в якій объект характеризуєтся не одинаочными измерениями (точками) в многомерном пространстве признаков, а их множествами, представляющими собой реализации временных рядов.

Для простоты рассматривается случай двух классов. Объекты и классов А и В характеризуются реализациями временных рядов (процесcов) , p=1,..,m.

Ряды признаки , затруднительно непосредственно использовать для оценки меры близости объектов к определенному классу. Поэтому далее предложим процедуру формирования вторичных признаков, позволяющих применить привычные меры близости и алгоритмы классификации. Данная процедура должна использовать целесообразные критерии и параметры селекции для получения наилучшего качества результатов классификации

Так же как выше

Эффективность предложенного далее подхода зависит от степени выполнения следующих предположений:

1. Временные ряды , характеризующие объект представляют собой взаимосвязанные процессы.

2. Взаимосвязь процессов в значительной мере должна характеризоваться линейным эффектом.

Логично считать, что при выполнении предположений метода одним из характерных признаков классифицируемых объектов могут быть статистические причинно-следственные структуры (ПСС) процессов . А отличия в ПСС объектов различных классов в определенных случаях могут быть основой для их классификации.

Как указывалось выше описание ПСС может быть получено с помощью расчетов ККФ для каждой пары переменных , застосування критеріїв (5)-(8), та механізму встановлення напряму звязку згідно відношень (*).

Тоді логічно далі визначити критерии та параметри селекції ЧНС, що дадуть найкращі результати класифікації.

Тоді

В результате применения конкретного критерия при конкретных значениях порогов получим соответствующую данному выбору матрицу ПСС.

Пусть матрицы ПСС Аk объектов класса А и матрицы ПСС Вk объектов класса В имеют вид:

, . (9)

 

Учитывая предположение о ПСС, как характеристике классов объектов, заданными временными рядами, необходимо выбрать критерий и значения порогов селекции ПСС, обеспечивающие наиболее близкие матрицы ПСС на объектах одного класса, в соответствии с минимумом внутриклассовой дисперсии:

 

, (10)

 

и наиболее различающиеся ПСС на объектах различных классов в соответствии с максимумом межклассовой дисперсии:

. (11)

Тогда выбор конкретного критерия и порогов селекции ПСС задачи классификации возможно рассчитывать согласно следующих дисперсионных критериев:

 

, (12)

 

 

где коэффициенты и балансируют требования совпадения и различения матриц ПСС или аналог критерия разделимости классов [2]

 

. (13)

Процедура максимизации критериев может учитывать разбиение выборки объектов классификации: расчет параметров для всех вариантов критериев селекции на обучающей выборке и выбор наилучшего варианта по максимуму дисперсионного критерия (12) или (13) на проверочной выборке.

Меру близости объекта к классу, возможно принять как сумму отличий матрицы ПСС классифицируемого объекта от матриц ПСС объектов каждого класса. Естественные алгоритмы классификации: определение наилучшего граничного значения меры близости, разделяющего объекты классов (дискриминантный анализ), алгоритм ближайшего соседа или алгоритм взвешенного по объектного голосования в каждом классе.

Далі про причинність

Всі м механізми що було застосовано вище виходили з того що змінні в системі процесів що розглядаються зв’язані тільки лінійними залежностями чи по крайній мірі лінійний єффект є домінуючим. Нижче розлядаються підходи, що допускають нелінійні чинно-наслідкові зв’язки.

 

К -1Л

Итоговая структура задач этапов при моделировании "проблем"

назовем суть моделирования общим словом "проблем" так как это и

свойства и процессы и объекты и системы и системы систем

Вернемся к нашей таблице и подробно ее распишем

Напомним что в этой таблице мы приводим этапы (по столбцам) решения задачи моделирования - мы рассмотриваем те п роцедуры что стоят между неформальной постановкой проблем ы и окончательным мат решением задачи моделирования.







Что способствует осуществлению желаний? Стопроцентная, непоколебимая уверенность в своем...

Что делать, если нет взаимности? А теперь спустимся с небес на землю. Приземлились? Продолжаем разговор...

Живите по правилу: МАЛО ЛИ ЧТО НА СВЕТЕ СУЩЕСТВУЕТ? Я неслучайно подчеркиваю, что место в голове ограничено, а информации вокруг много, и что ваше право...

ЧТО ПРОИСХОДИТ, КОГДА МЫ ССОРИМСЯ Не понимая различий, существующих между мужчинами и женщинами, очень легко довести дело до ссоры...





Не нашли то, что искали? Воспользуйтесь поиском гугл на сайте:


©2015- 2024 zdamsam.ru Размещенные материалы защищены законодательством РФ.