کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
711195 | 892126 | 2015 | 6 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Attraction Domain in Gradient Optimization-based Sample Maximum Likelihood Estimation*
ترجمه فارسی عنوان
دامنه جذاب در برآورد حداکثر احتمال نمونه بر اساس بهینه سازی گرادیان *
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
موضوعات مرتبط
مهندسی و علوم پایه
سایر رشته های مهندسی
مکانیک محاسباتی
چکیده انگلیسی
Sample maximum likelihood(SML) method is frequently used to identify errors-invariables(EIV) system. It generates the estimate through minimizing relevant cost function built on the mean input-output data and sample noise variances. To help gradient-based algorithm overcome local convergence, we examine the attraction domain for the SML cost. It is shown in this paper that the asymptotic convergence properties of the objective can be learned equivalently by the noiseless version. Moreover we present some special attraction domains that contain the global minimum under certain structures. For the particular models, careful initialization locating in the same domain leads the algorithm to find the global minimum.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: IFAC-PapersOnLine - Volume 48, Issue 28, 2015, Pages 314-319
Journal: IFAC-PapersOnLine - Volume 48, Issue 28, 2015, Pages 314-319