کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8053137 1519421 2013 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Convergence properties of the least squares estimation algorithm for multivariable systems
ترجمه فارسی عنوان
خواص همگرایی الگوریتم برآورد حداقل مربعات برای سیستم های چند متغیره
کلمات کلیدی
شناسایی مجدد، برآورد پارامتر، سیستم های چند متغیره، کمترین مربعات، خواص همگرا،
ترجمه چکیده
این مقاله بر روی خواص همگرایی الگوریتم برآورد پارامتر مربعات کوچک برای سیستم های چند متغیره تمرکز می کند که می تواند به یک کلاس از مدل های رگرسیون خطی چند متغیری تبدیل شود. تجزیه و تحلیل عملکرد الگوریتم با استفاده از نظریه پردازش تصادفی و قضیه همگرایی مارتینال نشان می دهد که خطاهای تخمینی پارامتر در شرایط ضعیف همگرا با صفر هستند. نتایج شبیه سازی قضیه پیشنهاد شده را تایید می کند.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مکانیک محاسباتی
پیش نمایش مقاله
خواص همگرایی الگوریتم برآورد حداقل مربعات برای سیستم های چند متغیره
چکیده انگلیسی
This paper focuses on the convergence properties of the least squares parameter estimation algorithm for multivariable systems that can be parameterized into a class of multivariate linear regression models. The performance analysis of the algorithm by using the stochastic process theory and the martingale convergence theorem indicates that the parameter estimation errors converge to zero under weak conditions. The simulation results validate the proposed theorem.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Mathematical Modelling - Volume 37, Issues 1–2, January 2013, Pages 476-483
نویسندگان
, ,