Аналитическое и численное исследование селективных свойств критерия несмещенности ошибок в задачах индуктивного моделювання

Вивчено селективні властивості критерію незміщеності помилок та його взаємозв’язок з відомими критеріями МГУА, а також з класичним критерієм незміщеності розв’язків. Теоретично доведено, що критерій незміщеності помилок є адекватним зовнішнім критерієм МГУА. Чисельно досліджено поведінку мінімуму ць...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:Проблемы управления и информатики
Datum:2012
Hauptverfasser: Савченко, Е.А., Степашко, В.С.
Format: Artikel
Sprache:Russian
Veröffentlicht: Інститут кібернетики ім. В.М. Глушкова НАН України 2012
Schlagworte:
Online Zugang:https://nasplib.isofts.kiev.ua/handle/123456789/207484
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:Аналитическое и численное исследование селективных свойств критерия несмещенности ошибок в задачах индуктивного моделювання / Е.А. Савченко, В.С. Степашко // Проблемы управления и информатики. — 2012. — № 2. — С. 39–50. — Библиогр.: 9 назв. - рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine
Beschreibung
Zusammenfassung:Вивчено селективні властивості критерію незміщеності помилок та його взаємозв’язок з відомими критеріями МГУА, а також з класичним критерієм незміщеності розв’язків. Теоретично доведено, що критерій незміщеності помилок є адекватним зовнішнім критерієм МГУА. Чисельно досліджено поведінку мінімуму цього критерію при різних рівнях шуму в даних і показано, що він має властивість перешкодостійкості. Selective properties of the error unbiasedness criterion and its relationship with known GMDH criteria, including the classical decision unbiasedness criterion, are studied. It is proved theoretically that the error unbiasedness criterion is an adequate external GMDH criterion. The behavior of this criterion minimum at different levels of noise in data is numerically investigated, and its noise-immunity property is demonstrated.
ISSN:0572-2691