Модель Тригга-Лича

Материал из MachineLearning.

Версия 14:43, 25 декабря 2009 (править) Коликова Катя (Обсуждение | вклад) ← К предыдущему изменению		Версия 14:48, 25 декабря 2009 (править) (отменить) Коликова Катя (Обсуждение | вклад) (→Введение) К следующему изменению →
Строка 24:		Строка 24:
	::<tex>a'_1=const</tex>;		::<tex>a'_1=const</tex>;
-	::<tex>a'_1\une a''_1</tex>;	+	::<tex>a'_1\ne a''_1</tex>,
		+
		+	где <tex>\eps_t</tex> - неавтокоррелирванные случайные нормальные отклонения с нулевым математическим ожиданием и дисперсией <tex>\sigma_2</tex>.
	{{Задание|Коликова Катя|Vokov|31 декабря 2009}}		{{Задание|Коликова Катя|Vokov|31 декабря 2009}}

---

Версия 14:48, 25 декабря 2009

Введение

Модель Тригга-Лича применяется в адаптивных методах прогнозирования временных рядов.

Модель Тригга-Лича относится к моделям с адаптивными параметрами адаптациями, то есть, является моделью с повышенной способностью к самообучению.

А. Триггом и А. Личем было предложено модифицировать предсказывающие системы, использующие экспоненциальное сглаживание, посредствои изменения скорости реакции в зависимости от величины контнольного сигнала. В простейшей модели это эквивалентно регулированию параметра сглаживания . Наиболее очевидный способ заставить систему автоматически реагировать на расхождение прогнозов и фактических данных - это увеличение с тем, чтобы придать больший вес свежим данным и, таким образом, обеспечить более быстрое приспособление модели к новой ситуации. Как только система приспособилась, необходимо опять уменьшить величину для фильтрации шума.

Простой способ достижения такой адаптивной скорости состоит в выборе

,

где - скользящий контрольный сигнал.

На рис.1 показано испытание полиномиальной модели нулевого порядка с переменным параметром при прогнозировании искусственного ряда.

Крестики на рисунке отражают значения членов временного ряда, в котором наблюдается изменение ступенчатого типа. Ряд искусственно генерирован по модели

, при ;

, при ;

;

;

,

где - неавтокоррелирванные случайные нормальные отклонения с нулевым математическим ожиданием и дисперсией .

Данная статья является непроверенным учебным заданием. Студент: Участник:Коликова Катя Преподаватель: Участник:Vokov Срок: 31 декабря 2009 До указанного срока статья не должна редактироваться другими участниками проекта MachineLearning.ru. По его окончании любой участник вправе исправить данную статью по своему усмотрению и удалить данное предупреждение, выводимое с помощью шаблона {{Задание}}. См. также методические указания по использованию Ресурса MachineLearning.ru в учебном процессе.