A robust model structure selection method for small sample size and multiple datasets problems

در شناسایی مدل، وجود عدم قطعیت به طور معمول اثر منفی بر دقت و عملکرد مدل های شناسایی، به ویژه هنگامی که اندازه داده ها استفاده می شود نسبتا کوچک است. با یک مجموعه داده کوچک، برآورد حداقل مربعات، بی طرف هستند، مدل های حاصل ممکن است برای تجزیه و تحلیل بیشتر و استفاده در آینده قابل اعتماد باشند. این مطالعه یک روش انتخاب جدید ساختار مدل را برای شناسایی مدل معرفی می کند. روش پیشنهادی می تواند بی ثباتی ساختار مدل را به طور موفقیت آمیز کاهش دهد و بنابراین عملکرد مدل ها را بهبود می بخشد. مطالعات موردی در مورد داده های شبیه سازی و داده های واقعی ارائه شده است تا نشان دهند که چگونه معیار پیشنهاد شده برای شناسایی مدل قوی کار می کند.