ПОИСК Статьи Рисунки Таблицы Метод стохастической аппроксшвцни из "Идентификация моделей объектов химической технологии" Однако было выяснено, что такие оптимальные или почти опти-ивльиые алгоритмы являются такими только в том случае, когда фактическое распределение помехи, действующей на объект, совпадает с предполагаемым. Даже небольшие отклонения фактического распределения помехи от предполагаемого (например, наличие редких, но больших чыбросов) сильно искажает результаты, делая алгоритмы не оптимальными. [c.60] Четвертый этап (с 1975г.) - этап борьбы с чувствительностью алгоритма к отклонению фактического распределения помехи от предполагаемого, огрубление, стабилизация алгоритмов. С этой целью было предложена использовать априорную информацию как об экспериментальных данных, так и о самом решении. Например, было предложено, вначале, используя имеющуюся априорную информацию, выделить класс распределений, которому может принадлежать неизвестное нам распределение помехи. Затем из этого класса выявить наихудшее распределение - то, которое дает наиболее грубые оценки, с наибольшей дисперсией разброса. После этого, для наихудшего распределения, искать оценки параметров модели. Алгоритмы, полученные таким образом получили название робастных алгоритмов. Однов-.ременно с этим разрабатываются оптимальные или почтя оптимальные робастные алгоритмы. [c.60] Далее рассмотрим основные результаты второго и третьего этапа. [c.60] У Ь градиент минимизируемой функции, вектор, проекции которого на координате оси равны производным функции С/ по искомым параметрам. [c.61] Вернуться к основной статье