Составители:
Рубрика:
векторов тренировочного ряда и первый вектор тестового ряда
(см. рис.1). Используя эти данные, сдела-
ем прогноз значений коор-
динат следующего вектора
тестового ряда
(фактически, неизвестным
является только значение
его последней координаты
). Для этого во всем
тренировочном ряде найдем
векторы, которые являются
близкими «соседями» век-
тора )
(рис.3). Т.е. векторы в некоторые моменты времени , для ко-
торых выполняется условие
T
211
)()(
DNNNN
traintraintraintrain
v,...,v,vt
++++
=x
)(
2
+
train
N
t
x
1
++
DN
train
v
(
1
+
train
N
t
x
i
n
t
n
i
t
)(
x
{}
D
xxx
...,,,max
21
=
x
box
ε
,...,,(
21
xxG
2
D
x
+
2
2
...
x
+
2
1
x
+=x
Рис.3. Ближайшие соседи первого вектора тестового
ряда (черные квадраты), найденные по тренировоч-
ному временному ряду (черные кружки).
boxN
train
t
ε
≤−
+
)(
1
x , (17)
где
— норма вектора: для упрощения расчетов обычно используется норма
9
, — размер окрестности (для выбранной нормы окрест-
ность представляет собой гиперкуб со стороной
).
box
ε
Пусть найдено
k
соседей (на рис.4 они показаны кружками). Предполо-
жим, что функция
G
линейна в окрестности «точки»
x :
)(
1
+
train
N
t
.)
1
0
∑
=
+=
D
i
iiD
xccx
(18)
Для каждого из найденных векторов )
дальнейшее поведение объекта из-
вестно (на рис.4 треугольниками показаны векторы состояния в моменты вре-
(
i
n
t
x
9
Можно использовать и любую другую норму. Например, привычную евклидову норму:
, но это приведет к увеличению затрат машинного времени.
19
Страницы
- « первая
- ‹ предыдущая
- …
- 18
- 19
- 20
- 21
- 22
- …
- следующая ›
- последняя »
