Спокойная, карма, кармавая алгоритмическая хамелеон для улучшения шумных или неполных данных

Новая алгоритмическая система, которая тонко работает в фоновом режиме для взаимной пользы и быстро адаптируется к локальным условиям, может быть полезна при обработке данных, где термины шума могут быть заменены полезными оценками их значений.

В непредсказуемом мире моделирования, управляемого данными, некоторые алгоритмы заряжаются благодаря таким проблемам, как Rhinos, другие смешиваются и адаптируются, как хамелеоны. А новый подход к давней проблеме в области идентификации системы, как работать с отсутствующими и шумными данными, твердо попадает в последний лагерь и обсуждается в Международный журнал моделирования, идентификации и контроляПолем

Метод предназначен для моделей контролируемого авторегрессии скользящего среднего (CARMA), математические структуры, широко используемые для захвата и прогнозирования поведения динамических систем в таких разнообразных областях, как управление, экономика и Климатическая наукаПолем

Эти модели работают лучше всего, когда входные и выходные данные являются полными и надежными. На самом деле такой идеал редко достигается, если вообще когда -либо. Перерывы в сети, неисправные датчики и нарушения окружающей среды часто оставляют пробелы в записи, в то время как фоновый шумчасто с собственными моделями, могут исказить то, что осталось.

Обычные алгоритмы могут колебаться в таких условиях, давая предвзятые результаты или нестабильные модели, которые мало сходства с реальной системой. Новое исследование использует нефть, тихо приспосабливаясь к ландшафту данных и превращая потенциальные неудачи в преимущества.

Его изобретательность заключается в сочетании трех различных методов. Вспомогательная модель оценивает неизмеримые компоненты системы, извлекая полезные сигналы из того, что в противном случае было бы статистическим беспорядком, почти кармическим переводом плохих данных в хорошее. Метод интерполяции затем заполняет отсутствующие входы, выводя достоверные значения из окружающих измерений. Наконец, процесс ускоряется, используя оптимизацию ускоренной градиента Нестеров, математически элегантный способ предвидеть лучший следующий шаг, а не сделать каждый слепо.

Вместе эти шаги образуют алгоритм ускоренного градиента (INAG) на основе интерполяции, систему, которая не только дает более точные оценки параметров, но и быстрее, чем сопоставимые методы, даже в присутствии «цветного шума», случайных колебаний со структурой и памятью.

Для инженеров лучшая идентификация системы означает лучший контроль, будь то при регулировании Промышленные процессыстабилизирующие энергетические сетки или тонкие автономные транспортные средства. Для экономистов и Климатологион предлагает способ сделать более надежные прогнозы из неполных или шумных данных, потенциально улучшая политику и планирование.