1/20

( )
p const.
175
175
O
O
Metode
Metode
de
de
identificare
identificare
i
i
validare
validare
Metoda Verosimilitii Maxime (MVM) []
Metoda Metoda Verosimilit Verosimilitii ii Maxime Maxime ( (MVM MVM) [ ) [ ] ]

Metod Metod nrudit nrudit cu cu MB MB, care , care propune propune rezolvarea rezolvarea problemei problemei de de identificare identificare n n form form complet complet, ,
fr fr a a apela apela la un la un algoritm algoritm recursiv recursiv, , pentru pentru anumite anumite tipuri tipuri de de modelel modelel de de identificare identificare. .
- Datele msurate nu pot fi obinute prin simulare dect dac
vectorul parametrilor modelului de identificare este cel mai
plauzibil sau verosimil, adic produce o frecven maxim
de obinere a setului de date msurate.
- - D Datele msurate nu pot fi ob atele msurate nu pot fi ob inute prin simulare dec inute prin simulare dec t dac t dac
vectorul parametrilor modelului de identificare este vectorul parametrilor modelului de identificare este cel mai cel mai
plauzibil plauzibil sau sau verosimil verosimil, , adic adic produce produce o o frecven frecven maxim maxim
de ob de ob inere a setului de date inere a setului de date msurate msurate. .
I Indiferent de procesele furnizoare de date avnd structur fixat ndiferent de procesele furnizoare de date avnd structur fixat i domeniu de i domeniu de
stabilitate comun, vectorul stabilitate comun, vectorul parametrilor adevra parametrilor adevrai poate lua orice valoare din i poate lua orice valoare din
acest domeniu acest domeniu, , cu cu aceeai aceeai probabilitate probabilitate. .
Ipotez simplificatoare
Ipotez Ipotez simplificatoare simplificatoare
+ +Vectorul Vectorul parametrilor parametrilor necunoscu necunoscu i i este este echiprobabil echiprobabil
pe pe domeniul domeniul de de stabilitate stabilitate. .
Problema
verosimilitii
Problema Problema
verosimilit verosimilit ii ii
( )

( ) argmax |
n

=

S
D D p
R
Verosimilitate
Verosimilitate Verosimilitate
Vectorii parametrilor care nu verific aceast proprietate
sunt declarai mai puin verosimili sau chiar neverosimili.
Vectorii Vectorii parametrilor parametrilor care care nu nu verific verific aceast aceast proprietate proprietate
sunt sunt declara declara i i mai mai pu pu in in verosimili verosimili sau sau chiar chiar neverosimili neverosimili. .
Cum Cum poate poate fi fi rezolvat rezolvat
problema problema verosimilit verosimilitii ii
maxime maxime? ?
n form complet, dac
se folosesc modele de
regresie liniar.
n n form form complet complet, , dac dac
se se folosesc folosesc modele modele de de
regresie regresie liniar liniar. .
O O. .O O Metode Metode de de estimare estimare statistic statistic
2/20
( )
( )
2
2
2
[ ]
1
[ ]| , exp
2
2
def
y n
y n


=

p
n

N
( )
( )
( )
2
2
[ ]
1
[ ] exp
2
2
def
y n
y n

p
Exerciiu
Exerciiu Exerciiu
( ) ( )
2 2
2
y

= +
176
176
O
O
Metode
Metode
de
de
identificare
identificare
i
i
validare
validare
Metoda Verosimilitii Maxime []
Metoda Metoda Verosimilit Verosimilitii ii Maxime Maxime [ [ ] ]
Exemplu
Exemplu Exemplu
Media i variana estimaii de verosimilitate maxim
Media Media i i variana variana estimaii estimaii de de verosimilitate verosimilitate maxim maxim
P(
*
)
P
P ( (
* *
) )
[ ] [ ] y n v n

= +
n

N
Se msoar valorile unui
parametru n mod direct.
Se Se msoar msoar valorile valorile unui unui
parametru parametru n n mod direct mod direct. .
zgomot zgomot alb alb normal normal distribuit distribuit
( )
( )
( )
( )
2 2
0, 0, v

za N
- Aceeai dispersie necunoscut.
- - Aceea Aceea i i dispersie dispersie necunoscut necunoscut. .
( )
( )
2
2
1 [ ]
[ ] exp
2
2
def
v n
v n

p
n

N
( )
2

( ) argmax | , ?

= = D D p
R
1,
{ [ ]}
n N
y n

= D
( )
2
2 2

( ) argmax | , ?

+

= = D D p
R
zgomotul zgomotul afecteaz afecteaz
direct direct datele datele msurate msurate
n

N
( ) ( )
( )
2
2
, ,
y
y

za N
M()
M
M( ( ) )
[ ]
2
[ ] , , y n n = +
( )
2
, , [ ] n v n


=

n

N
( (modelul modelul de de identificare identificare corespunztor corespunztor) ) - Verosimilitatea fiecrui eantion.
- - Verosimilitatea Verosimilitatea fiecrui fiecrui e e antion antion. .
O O. .O O Metode Metode de de estimare estimare statistic statistic
3/20
2
( , ) F
( )
( )
( )
( )
( )
2
2
2
2 2
1 1
[ ]
1 1 1
| , exp exp [ ]
2 2
2 2
N N
N N
n n
y n
y n
= =



= =






D p
177
177
O
O
Metode
Metode
de
de
identificare
identificare
i
i
validare
validare
Exemplu
Exemplu Exemplu
Media i variana estimaii de verosimilitate maxim (continuare)
Media Media i i variana variana estimaii estimaii de de verosimilitate verosimilitate maxim maxim ( (continuare continuare) )
Aadar
Aadar Aadar
Pentru a rezolva problema verosimilitii, trebuie determinat
punctul de maxim al unei funcii Gaussiene generalizate.
Pentru Pentru a a rezolva rezolva problema problema verosimilit verosimilit ii ii, , trebuie trebuie determinat determinat
punctul punctul de maxim al de maxim al unei unei func func ii ii Gaussiene Gaussiene generalizate generalizate. .
( )
( )
2
2
2
[ ]
1
[ ]| , exp
2
2
def
y n
y n


=

p
n

N
( ) ( ) ( )
2 2 2
1
| , [1], , [ ]| , [ ]| ,
N
n
y y N y n
=
= =

D p p p
n

N
- Propoziia 2
- - Propozi Propozi ia ia 2 2 ( (orice proces neautocorelat orice proces neautocorelat i i
Gaussian este independent Gaussian este independent ) )

( )
2
,

+
R R
- Indefinit derivabil n raport cu
oricare dintre cei 2 parametri.
- - Indefinit Indefinit derivabil derivabil n n raport raport cu cu
oricare oricare dintre dintre cei cei 2 2 parametri parametri. .
Evaluarea Evaluarea gradientului gradientului este este complicat complicat. .
Punctul de maxim este o
rdcin a gradientului.
Punctul Punctul de maxim de maxim este este o o
rdcin rdcin a a gradientului gradientului. .
Forma funciei sugereaz c extremele ei coincid
cu cele ale logaritmului natural aplicat acesteia.
Forma Forma funciei funciei sugereaz sugereaz c c extremele extremele ei ei coincid coincid
cu cu cele cele ale ale logaritmului logaritmului natural natural aplicat aplicat acesteia acesteia. .
( )
( )
( )
{ }
2
2 2
,

, ( ) argmax ln | ,

+


=

D D p
R R
( )
2
2 2
2
1
1
( , ) ln(2 ) ln [ ]
2 2 2
N
def
n
N N
F y n
=
=

( )
2
,

+
R R
Mai Mai simpu simpu de de derivat derivat. .
O O. .O O Metode Metode de de estimare estimare statistic statistic
Metoda Verosimilitii Maxime []
Metoda Metoda Verosimilit Verosimilitii ii Maxime Maxime [ [ ] ]
4/20
178
178
O
O
Metode
Metode
de
de
identificare
identificare
i
i
validare
validare
Exemplu
Exemplu Exemplu
Media i variana estimaii de verosimilitate maxim (final)
Media Media i i variana variana estimaii estimaii de de verosimilitate verosimilitate maxim maxim (final) (final)

( )
2
2 2
2
1
1
( , ) ln(2 ) ln [ ]
2 2 2
N
def
n
N N
F y n
=
=

( )
2
,

+
R R
( )
2
2
1
1
( , ) [ ] 0
N
n
F y n
=

= =


( )
2
2
2 2 4
1
1
( , ) [ ] 0
2 2
N
n
N
F y n
=

= + =


1
1

( ) [ ]
N
n
y n
N
=
=

D
( )
2
2
1
1

( ) [ ] ( )
N
n
y n
N
=
=

D D
( (parametru parametru) )
(1/ (1/precizie precizie) )
+
+
1
1

[ ] [ ] ( ) [ ] [ ]
N
n
v n y n y n y n
N
=
= =

D
( (zgomot zgomot perturbator perturbator) )
- Soluia este unic.
- - Solu Solu ia ia este este unic unic. .
Medie
Medie Medie
Varian
Varian Varian
n concluzie
n n concluzie concluzie
Media i variana sunt cele mai
verosimile (plauzibile) estimaii.
Media Media i i varian varian a a sunt sunt cele cele mai mai
verosimile verosimile ( (plauzibile plauzibile) ) estima estima ii ii. .
- Estimaiile sunt
consistente, datorit IE.
- - Estima Estima iile iile sunt sunt
consistente consistente, , datorit datorit IE IE. .
{ }
1
1
lim [ ] { [ ]} [ ]
N
N
n
y n E y n E v n
N

=
= = + =

( )
( )
2
0, v

za

Nu Nu nt nt mpltor mpltor prima caracterizare statistic prima caracterizare statistic a numeroase a numeroase
procese nedeterministe, chiar procese nedeterministe, chiar dac este grosier dac este grosier, c , const onst n n
evaluarea mediilor evaluarea mediilor i varian i varian elor acestora elor acestora. .

E Exemplu xemplu: : media general a unui student media general a unui student, c , calculat dup alculat dup 3 ani de studii, are anse m 3 ani de studii, are anse mici ici s s
varieze varieze semnificativ semnificativ dup dup 4 a 4 ani de studii, ni de studii, dac notele sale sunt grupate dac notele sale sunt grupate n jurul acesteia i n jurul acesteia i
anse mari s varieze sensibil n finalul celor 4 ani, dac note anse mari s varieze sensibil n finalul celor 4 ani, dac notele sale sunt le sale sunt larg larg dispersate n dispersate n
jurul acesteia. jurul acesteia.
O O. .O O Metode Metode de de estimare estimare statistic statistic
Metoda Verosimilitii Maxime []
Metoda Metoda Verosimilit Verosimilitii ii Maxime Maxime [ [ ] ]
5/20
179
179
O
O
Metode
Metode
de
de
identificare
identificare
i
i
validare
validare
Dar Dar n n cazul cazul modelelor modelelor de de regresie regresie liniar liniar? ?
Se poate demonstra un rezultat remarcabil.
Se Se poate poate demonstra demonstra un un rezultat rezultat remarcabil remarcabil. .
Teorema 6 (MVI i MCMMP)
Teorema Teorema 6 6 ( (MVI MVI i i MCMMP MCMMP) )
n n contextul contextul modelelor modelelor de de regresie regresie liniar liniar, , urmtoarele urmtoarele dou dou ipoteze ipoteze se se consider consider
verificate verificate: :
a. a. matricea matricea R R (sau (sau R R
N N
) n ) nu este neaprat determinist u este neaprat determinist, d , dar este (s ar este (strict) pozi trict) pozitiv definit tiv definit
(adi (adic inversabil c inversabil) p ) pentru toate dimensiunile orizontului de msur suficient de entru toate dimensiunile orizontului de msur suficient de
mari; mari;
b. b. perturba perturba ia ia v v aparine clasei
Atunci estima Atunci estima i iile ile vectorului parametrilor adevra vectorului parametrilor adevra i i i i dispersiei dispersiei zgomotului zgomotului alb alb ob ob inut inute e
aplic aplic nd MCMMP nd MCMMP sunt de verosimilitate maxim sunt de verosimilitate maxim. .
( )
( )
( )
( )
2 2
0, 0,

za N
(adi (adic este un zgomot alb de medie nul c este un zgomot alb de medie nul i dispersie necunoscut i dispersie necunoscut , cu distribu , cu distribuie ie
Gaussian centrat Gaussian centrat n zero, de varian n zero, de varian egal tot cu egal tot cu dispersia dispersia necunoscut necunoscut). ).
Demonstraie
Demonstra Demonstra ie ie
Exerciiu
Exerciiu Exerciiu

Chiar dac Chiar dac proprietatea de consisten proprietatea de consisten este este dificil dificil de verificat de verificat n context n contextul ul Teoremei Teoremei 6 6 ( (matricea matricea
regresorilor regresorilor nu nu mai mai este este strict strict determinist determinist) ), , cel pu cel pu in rm in rm ne proprietatea de verosimilitate maxim ne proprietatea de verosimilitate maxim. .
P Probabilitatea de a ob robabilitatea de a ob ine setul de date msurate prin simularea cu un model ine setul de date msurate prin simularea cu un model
identificat folosind identificat folosind MCMMP MCMMP este maxim este maxim. .

O O. .O O Metode Metode de de estimare estimare statistic statistic
Metoda Verosimilitii Maxime []
Metoda Metoda Verosimilit Verosimilitii ii Maxime Maxime [ [ ] ]
6/20
180
180
O
O
Metode
Metode
de
de
identificare
identificare
i
i
validare
validare
O.O Metoda Celor Mai Mici Ptrate Extins (MCMMPE)
O O. .O O Metoda Metoda Celor Celor Mai Mai Mici Mici Ptrate Ptrate Extins Extins ( (MCMMPE MCMMPE) )

Discu Discu ia ia care care urmeaz urmeaz vizeaz vizeaz identificarea identificarea modelelor modelelor de de regresie regresie liniar liniar
av av nd nd vectorul vectorul regresorilor regresorilor nemsurabil nemsurabil. .

Astfel Astfel de de modele modele se se regsesc regsesc at at t t n n clasa clasa ARMAX ARMAX, , c c t t i i ( (mai mai ales) ales) n n clasa clasa RSISO RSISO. .

Strategia Strategia general general de de identificare identificare cu cu ajutorul ajutorul MCMMPE MCMMPE const const n n dou dou etape etape: :
Exemplu
Exemplu Exemplu
]
1 2 1 2 1 2
[ ] [ 1] [ 2] [ ] [ 1] [ 2] [ ] ...
... [ 1] [ 2] [ ]
def
T
def
T
na nb nc
n y n y n y n na u n u n u n nb
e n e n e n nc
a a a b b b c c c

ARMAX[na,nb,nc]
ARMAX[na,nb,nc ARMAX[na,nb,nc] ]
n

N
3 3 componente componente, ,
ca ca i i vectorul vectorul parametrilor parametrilor
Ultima component
nu este msurabil.
Ultima Ultima component component
nu nu este este msurabil msurabil. .
C C
Estimarea Estimarea zgomotului zgomotului care care intervine intervine n n componenta componenta nemsurabil nemsurabil cu cu ajutorul ajutorul unui unui
model model av av nd nd vectorul vectorul regresorilor regresorilor complet complet msurabil msurabil ( (dar dar mai mai pu pu in in precis precis). ).
C C
Determinarea Determinarea parametrilor parametrilor originali originali ai ai modelului modelului cu cu ajutorul ajutorul vectorului vectorului regresorilor regresorilor
av av nd nd componenta componenta nemsurabil nemsurabil estimat estimat n n etapa etapa precedent precedent. .

n n ambele ambele etape etape este este folosit folosit o o metod metod de de identificare identificare din din clasa clasa MCMMP MCMMP- -MVI MVI, ,
de de unde unde atributul atributul Extins Extins . .

n n cazul cazul modelului modelului general general ARMAX ARMAX: :

C CZgomotul Zgomotul alb alb este este estimat estimat cu cu ajutorul ajutorul unui unui model de tip model de tip ARX ARX suficient suficient de complex. de complex.
C CSe Se aplic aplic din din nou nou MCMMP MCMMP, fie , fie direct direct ( (folosind folosind vectorul vectorul estimat estimat al al regresorilor regresorilor), ),
fie fie indirect indirect ( (prin prin determinarea determinarea pseudo pseudo- -solu solu iei iei unui unui sistem sistem incompatibil incompatibil). ).
7/20

argmin ( ) ?
n
N

= =

R
V
181
181
O O. .O O Metoda Metoda Celor Celor Mai Mai Mici Mici Ptrate Ptrate Extins Extins
O
O
Metode
Metode
de
de
identificare
identificare
i
i
validare
validare
Cazul modelelor ARMAX
Cazul Cazul modelelor modelelor ARMAX ARMAX
P(
*
)
P
P ( (
* *
) )
1 1 1
( ) [ ] ( ) [ ] ( ) [ ] A q y n B q u n C q v n

= +
n

N
[ ] [ ] [ ]
T
y n n v n

= +
n

N
polinoame polinoame cu cu parametri parametri adevra adevra i i, ,
av av nd nd gradele gradele na na, , nb nb, , respectiv respectiv nc nc
n na nb nc = + + 1,
{( [ ], [ ])}
N
n N
u n y n

= D
date date msurate msurate
zgomot zgomot (eventual) (eventual) colorat colorat
C CEstimarea Estimarea zgomotului zgomotului de de proces proces (alb (alb sau sau colorat colorat) cu ) cu ajutorul ajutorul
unui unui model de tip model de tip ARX ARX suficient suficient de complex. de complex.
- Vectorul regresorilor fiind nemsurabil, se apeleaz la
strategia n dou etape care fundamenteaz MCMMPE.
- - Vectorul Vectorul regresorilor regresorilor fiind fiind nemsurabil nemsurabil, se , se apeleaz apeleaz la la
strategia strategia n n dou dou etape etape care care fundamenteaz fundamenteaz MCMMPE MCMMPE. .
Cum se Cum se poate poate aproxima aproxima modelul modelul general general ARMAX ARMAX cu cu unul unul de tip de tip ARX ARX? ?
Prin mprirea infinit trunchiat a ecuaiei de proces
la polinomul componentei MA.
Prin Prin mpr mpr irea irea infinit infinit trunchiat trunchiat a a ecua ecua iei iei de de proces proces
la la polinomul polinomul componentei componentei MA MA. .
1
1
1
0 0
( )
( )
( )
n
k k
k k
k k
A q
q q A q
C q




=
= =


1
1
1
0 0
( )
( )
( )
n
k k
k k
k k
B q
q q B q
C q



=
= =


indici indici structurali structurali suficient suficient de de mari mari
min{ , } max{ , , } n n na nb nc
1 1
( ) [ ] ( ) [ ] [ ] A q y n B q u n v n

= +

n

N
[ ] [ ] [ ]
T
y n n v n

= +

n

N
P(
*
)
P
P ( (
* *
) )
~
~
~ ~
8/20
[

[ ] [ 1] [ 2] [ ] ...
... [ 1] [ 2] [ ] ...
... 1, 2, , , .
def
T
N N N
n y n y n y n na
u n u n u n nb
n n n nc n

=

182
182
O O. .O O Metoda Metoda Celor Celor Mai Mai Mici Mici Ptrate Ptrate Extins Extins
O
O
Metode
Metode
de
de
identificare
identificare
i
i
validare
validare
Aadar
Aadar Aadar [ ] [ ] [ ]
T
y n n v n

= +

n

N
P(
*
)
P
P ( (
* *
) )
~
~
~ ~
( (proces proces ARX ARX aproximant aproximant) )
1 2 1 2
[ ] [ 1] [ 2] [ ] [ 1] [ 2] [ ]
def
T
def
T
n n
n y n y n y n n u n u n u n n
a a a b b b

n

N
MCMMP sau MVI
MCMMP MCMMP sau sau MVI MVI
1
1 1
1 1
[ ] [ ] [ ] [ ]
N N
T
N
n n
n n n y n
N N

= =

=

nota nota ie ie unificatoare unificatoare: :

[ ] n

vectorul vectorul regresorilor regresorilor
[ ] n

vectorul vectorul instrumentelor instrumentelor

Modelul Modelul aproximant aproximant permite permite estimarea estimarea

zgomotului zgomotului perturbator perturbator al al procesului procesului original original: :
1 1
[ ] [ ] [ ] ( ) [ ] ( ) [ ] ,
def
T
N N N N
v n y n n A q y n B q u n n


= =




eroare eroare de de predic predic ie ie
cu un pas cu un pas
( (diferen diferen a a dintre dintre datele datele
utile utile msurate msurate i i cele cele
prognozate prognozate folosind folosind
modelul modelul de de identificare identificare) )
- Vectorul estimat al regresorilor.
- - Vectorul Vectorul estimat estimat al al regresorilor regresorilor. .
9/20
183
183
O O. .O O Metoda Metoda Celor Celor Mai Mai Mici Mici Ptrate Ptrate Extins Extins
O
O
Metode
Metode
de
de
identificare
identificare
i
i
validare
validare
C CEstimarea Estimarea direct direct a a parametrilor parametrilor modelului modelului ARMAX ARMAX folosind folosind
vectorul vectorul aproximativ aproximativ al al regresorilor regresorilor (din (din etapa etapa precedent precedent). ).
MCMMPE
MCMMPE MCMMPE
1
1 1
1 1

[ ] [ ] [ ] [ ]
N N
T
N
n n
n n n y n
N N

= =

=




( )
( )
2
1

[ ] [ ]
N
T
N N
n
y n n
=
=

V
2

N N

( (parametri parametri estima estima i i) )
(1/precizie) (1/precizie)
Dac perturbaia este un zgomot alb cu dispersie necunoscut.
Dac Dac perturba perturba ia ia este este un un zgomot zgomot alb cu alb cu dispersie dispersie necunoscut necunoscut. .
{ , }
N
N N na nb nc
C C Estimarea Estimarea indirect indirect a a parametrilor parametrilor modelului modelului ARMAX ARMAX folosind folosind
parametrii parametrii modelului modelului ARX ARX aproximant aproximant (din (din etapa etapa precedent precedent). ).
1
1
1
0 0
( )
( )
( )
n
k k
k k
k k
A q
q q A q
C q



=
= =


1
1
1
0 0
( )
( )
( )
n
k k
k k
k k
B q
q q B q
C q



=
= =


sugereaz
sugereaz sugereaz
1 1 1
( ) ( ) ( ) A q C q A q

=

1 1 1
( ) ( ) ( ) B q C q B q

=

Polinoamele necunoscute A, B i C
ar trebui s rezulte prin
identificarea coeficienilor.
Polinoamele Polinoamele necunoscute necunoscute A A, , B B i i C C
ar ar trebui trebui s s rezulte rezulte prin prin
identificarea identificarea coeficien coeficien ilor ilor. .
Sistemul Sistemul este este ns ns incompatibil incompatibil (are (are mai mai multe multe ecua ecua ii ii dec dec t t necunoscute necunoscute). ).
min{ , } max{ , , } n n na nb nc

Ce Ce se se poate poate face? face?

Se caut o pseudo-soluie,
folosind tot MCMMP.
Se Se caut caut o pseudo o pseudo- -solu solu ie ie, ,
folosind folosind tot tot MCMMP MCMMP. .
=

( 2 ) ( ) n n nc na nb nc + + + +
R
2 n n nc + +
R
- monic
- - monic monic
( )
1

T T

=


( )

T
= Q

V
( (parametri parametri
estima estima i i) )
(1/precizie) (1/precizie)
- Teorema 1
- - Teorema Teorema 1 1
10/20
184
184
O O. .O O Metoda Metoda Celor Celor Mai Mai Mici Mici Ptrate Ptrate Extins Extins
O
O
Metode
Metode
de
de
identificare
identificare
i
i
validare
validare
Ct Ct de de precis precis este este aceast aceast metod metod? ?
Precizia este limitat din cauza a 4 surse de eroare:
Precizia Precizia este este limitat limitat din din cauza cauza a a 4 4 surse surse de de eroare eroare: :
T Trunchierea modelului runchierea modelului ARX ARX aproximant aproximant. .
E Estimarea parametrilor modelului stimarea parametrilor modelului ARX ARX aproximant aproximant. .
E Estimarea valorilor perturba stimarea valorilor perturba iei (ad iei (adic a vectorului regresorilor modelului ic a vectorului regresorilor modelului ARMAX ARMAX) ). .
E Estimarea parametrilor modelului stimarea parametrilor modelului ARMA ARMAX X. .
Consistena Consistena estimaiilor estimaiilor? ?
Condiile de consisten sunt similare celor din
Propoziia 4 (pentru modelul ARX):
Condi Condi ile ile de de consisten consisten sunt sunt similare similare celor celor din din
Propozi Propozi ia ia 4 4 ( (pentru pentru modelul modelul ARX ARX): ):
a. a. modelu modelul l ARX ARX aproximant aproximant este ideal, ad este ideal, adic opereaz cu polinoame infinite ic opereaz cu polinoame infinite
(filtre de tip IIR) (filtre de tip IIR); ;
b. b. semnalul de intrare este necorelat cu perturba semnalul de intrare este necorelat cu perturba ia ia
c. semnalul de intrare are un ordin de persisten suficient de mare,
astfel nct matricea
); );
{ } [ ] [ ] 0 E u n v m =
( ( , ,
, n m Z
s fie inversabil. { [ ] [ ]}
T
E n n
n aplicaiile practice, MCMMPE este utilizat atunci cnd nu se
impune o precizie de estimare superioar sau ca metod auxiliar
capabil s furnizeze iniializri pentru alte metode mai precise.
n n aplica aplica iile iile practice, practice, MCMMPE MCMMPE este este utilizat utilizat atunci atunci c c nd nd nu nu se se
impune impune o o precizie precizie de de estimare estimare superioar superioar sau sau ca ca metod metod auxiliar auxiliar
capabil capabil s s furnizeze furnizeze ini ini ializri ializri pentru pentru alte alte metode metode mai mai precise. precise.
11/20
Metoda de Regresie
Pseudo-Liniar (MRPL)
Metoda Metoda de de Regresie Regresie
Pseudo Pseudo- -Liniar Liniar ( (MRPL MRPL) )
Pentru a genera prin simulare valoarea curent
a ieirii procesului, sunt utilizate numai date
msurate la momente anterioare celui curent.
Pentru Pentru a genera a genera prin prin simulare simulare valoarea valoarea curent curent
a a ie ie irii irii procesului procesului, , sunt sunt utilizate utilizate numai numai date date
msurate msurate la la momente momente anterioare anterioare celui celui curent curent. .
- n cazul modelelor
de regresie liniar.
- - n n cazul cazul modelelor modelelor
de de regresie regresie liniar liniar. .
Eroare de predicie
(cu un pas)
Eroare Eroare de de predicie predicie
(cu un pas) (cu un pas)
185
185
O
O
Metode
Metode
de
de
identificare
identificare
i
i
validare
validare
O.O Metoda Minimizrii Erorii de Predicie (MMEP)
O O. .O O Metoda Metoda Minimizrii Minimizrii Erorii Erorii de de Predic Predic ie ie ( (MMEP MMEP) )

Aceasta Aceasta este este una una dintre dintre cele cele mai mai generale generale metode metode de de identificare identificare fundamental fundamental. .

Ca Ca i i MCMMPE MCMMPE, , ea se ea se adreseaz adreseaz modelelor modelelor din din clasele clasele ARMAX ARMAX i i RSISO RSISO care au care au
vectorul vectorul regresorilor regresorilor nemsurabil nemsurabil, , dar dar este este mult mult mai mai precis precis ( ( i i mai mai complex complex). ).

Strategia Strategia general general de de identificare identificare cu cu ajutorul ajutorul MMEP MMEP const const (tot) (tot) n n dou dou etape etape: :
C C
Ini Ini ializarea ializarea algoritmului algoritmului iterativ iterativ de la de la etapa etapa urmtoare urmtoare (eventual (eventual folosind folosind MCMMPE MCMMPE). ).
C C
Determinarea Determinarea iterativ iterativ a a parametrilor parametrilor originali originali ai ai modelului modelului cu cu ajutorul ajutorul unei unei metode metode
bazate bazate pe pe TO TO (de (de exemplu exemplu: : MGN MGN sau sau, , mai mai general, general, MNR MNR). ).

n n acest acest curs, curs, vor vor fi fi utilizate utilizate metodele metodele: : MCMMPE MCMMPE i i MGN MGN. .
Minimizarea Minimizarea Erorii Erorii de de Predicie Predicie? ?
Numele provine de la criteriul de optimizare, care este exprimat
prin dispersia erorii dintre model i proces pe orizontul de msur.
Numele Numele provine provine de la de la criteriul criteriul de de optimizare optimizare, care , care este este exprimat exprimat
prin prin dispersia dispersia erorii erorii dintre dintre model model i i proces proces pe pe orizontul orizontul de de msur msur. .
2
1
1
( ) [ , ]
N
def
N
n
n
N
=
=

V
n
R
[ ]
, [ ] [ ]
T
n y n n =
n

N
Minimizarea criteriului ptratic revine
la minimizarea dispersiei erorii de
predicie pe orizontul de msur.
Minimizarea Minimizarea criteriului criteriului ptratic ptratic revine revine
la la minimizarea minimizarea dispersiei dispersiei erorii erorii de de
predic predic ie ie pe pe orizontul orizontul de de msur msur. .
Aadar
Aadar Aadar
i i totui totui de de unde unde provine provine numele numele
de de eroare eroare de de predicie predicie? ?
- A se vedea cum arat
vectorul regresorilor.
- - A se A se vedea vedea cum cum arat arat
vectorul vectorul regresorilor regresorilor. .
valoare valoare prognozat prognozat
( (predictat predictat) ) folosind folosind
modelul modelul de de identificare identificare
Dac MGN este nlocuit de MNR
Dac Dac MGN MGN este este nlocuit nlocuit de de MNR MNR
12/20
186
186
O O. .O O Metoda Metoda Minimizrii Minimizrii Erorii Erorii de de Predicie Predicie
O
O
Metode
Metode
de
de
identificare
identificare
i
i
validare
validare
Algoritmul generic al Minimizrii Erorii de Predicie
Algoritmul Algoritmul generic al generic al Minimizrii Minimizrii Erorii Erorii de de Predic Predic ie ie
Iniializare
Ini Ini ializare ializare
,0

n
N

R
Date de intrare
Date de Date de intrare intrare
evaluat evaluat cu cu ajutorul ajutorul MCMMPE MCMMPE
[ , ] f n = ( (expresia expresia erorii erorii de de predic predic ie ie, , cel cel pu pu in in derivabile derivabile) )
0 > ( (prag prag de de precizie precizie) )
Bucl iterativ
Bucl Bucl iterativ iterativ
indicele indicele iterativ iterativ ini ini ial ial
C Se reactualizeaz aproximaia optimului
C C Se Se reactualizeaz reactualizeaz aproxima aproxima ia ia optimului optimului
1
, 1 , , , , ,
1 1

[ , ] [ , ] [ , ] [ , ]
N N
T
N k N k k N k N k N k N k
n n
n n n n

+
= =


=





Date de ieire
Date de Date de ie ie ire ire
, 1

N k +

1 k +
aproxima aproxima ia ia de de precizie precizie
numrul numrul de de
itera itera ii ii efectuate efectuate
C Se reactualizeaz pasul variabil
C C Se Se reactualizeaz reactualizeaz pasul pasul variabil variabil
1
, 1 , ,
1
1 1
, , , 1 , ,
T
N k N k N k
k k
T
N k N k N k N k N k

+
+

+
= +
r R r
r R R R r
1,
{( [ ], [ ])}
N
n N
u n y n

= D
(date (date intrare intrare- -ie ie ire ire msurate msurate) )
ales fie ales fie arbitrar arbitrar, fie cu , fie cu ajutorul ajutorul unui unui algoritm algoritm specific specific
0

R
0 k =
1
, N k

R
, N k
r
- Se utilizeaz iteraia specific
din cadrul MGN.
- - Se Se utilizeaz utilizeaz itera itera ia ia specific specific
din din cadrul cadrul MGN MGN. .
1
, , k N k N k

< R r
1 k k +
DA DA NU NU
13/20
, , ,
1

[ , ] [ , ]
N
def
T
N k N k N k
n
n n
=

=

R
M()
M
M( ( ) )
1 1 1
( ) [ ] ( ) [ ] ( ) [ , ] A q y n B q u n C q n

= +
n

N
187
187
O O. .O O Metoda Metoda Minimizrii Minimizrii Erorii Erorii de de Predicie Predicie
O
O
Metode
Metode
de
de
identificare
identificare
i
i
validare
validare
MMEP aplicat modelului general de tip ARMAX []
MMEP MMEP aplicat aplicat modelului modelului general de tip general de tip ARMAX ARMAX [ [ ] ]
P(
*
)
P
P ( (
* *
) )
1 1 1
( ) [ ] ( ) [ ] ( ) [ ] A q y n B q u n C q v n

= +
n

N
[ ] [ ] [ ]
T
y n n v n

= +
n

N

Algoritmul generic al Minimizrii Erorii de Predicie Algoritmul Algoritmul generic al generic al Minimiz Minimiz rii rii Erorii Erorii de de Predic Predic ie ie

Iniializare Ini Ini ializare ializare
,0
n
N

R
Date de intrare Date de Date de intrare intrare
e e
evaluat evaluat cu cu ajutorul ajutorul MCMMPE MCMMPE
[ , ] f n = ( (expresia expresia erorii erorii de de predic predic ie ie, , cel cel pu pu in in derivabile derivabile) )
0 > ( (prag prag de de precizie precizie) )
Bucl? iterativ? Bucl Bucl? ? iterativ iterativ? ?
indicele indicele iterativ iterativ ini ini ial ial
C Se reactualizeaz? aproximaia optimului C C Se Se reactualizeaz reactualizeaz? ? aproxima aproxima ia ia optimului optimului
1
, 1 , , , , ,
1 1

[ , ] [ , ] [ , ] [ , ]
N N
T
N k N k k N k N k N k N k
n n
n n n n

+
= =

=





Date de ieire Date de Date de ie ie ire ire
, 1

N k +

1 k +
aproxima aproxima ia ia de de precizie precizie
num num? ?rul rul de de
itera itera ii ii efectuate efectuate
C Se reactualizeaz? pasul variabil C C Se Se reactualizeaz reactualizeaz? ? pasul pasul variabil variabil
1
, 1 , ,
1 1 1
, , , 1 , ,
T
N k N k N k
k k T
N k N k N k N k N k

+
+
+
= +
r R r
r R R R r
1,
{( [ ], [ ])}
N n N
u n y n

= D (date (date intrare intrare- -ie ie ire ire m m? ?surate surate) )

ales fie ales fie arbitrar arbitrar, fie cu , fie cu ajutorul ajutorul unui unui algoritm algoritm specific specific
0

R
0 k =
1
, N k

R
, N k
r
- Se utilizeaz? iteraia specific?
din cadrul MGN.
- - Se Se utilizeaz utilizeaz? ? itera itera ia ia specific specific? ?
din din cadrul cadrul MGN MGN. .
1
, , k N k N k

< R r
1 k k +
DA DA NU NU

[ ] [ ] [ , ]
T
y n n n = +
n

N
eroarea eroarea de de predic predic ie ie cu un pas cu un pas
, , ,
1

[ , ] [ , ]
N
def
N k N k N k
n
n n
=
=

r
Problema este de a determina
valorile erorii de predicie i
ale gradientului acesteia pentru
iteraia curent.
Problema Problema este este de a de a determina determina
valorile valorile erorii erorii de de predic predic ie ie i i
ale ale gradientului gradientului acesteia acesteia pentru pentru
itera itera ia ia curent curent. .
Ar putea fi utilizat ecuaia
modelului de identificare, cu
parametrii curent estimai.
Ar Ar putea putea fi fi utilizat utilizat ecuaia ecuaia
modelului modelului de de identificare identificare, cu , cu
parametrii parametrii curent curent estimai estimai. .
, 1, ,
1, ,
1, , , ,

[ , ] [ ] [ 1] [ ]

[ 1] [ ]

1, ,
N N
N k k na k
N N
k nb k
N N
k N k nc k N k
n y n a y n a y n na
b u n b u n nb
c n c n nc
= + + +

n

N
1 1 1
, , , ,

( ) [ ] ( ) [ ] ( ) ,
N k N k N k N k
A q y n B q u n C q n


= +

n

N
- Ecuaie recurent pentru
determinarea erorii de predicie.
- - Ecua Ecua ie ie recurent recurent pentru pentru
determinarea determinarea erorii erorii de de predic predic ie ie. .
Iniializare
cauzal
Ini Ini ializare ializare
cauzal cauzal
,

[ , ] [ ] [ ] 0
N k
n u n y n = = =
0 n
14/20
188
188
O O. .O O Metoda Metoda Minimizrii Minimizrii Erorii Erorii de de Predicie Predicie
O
O
Metode
Metode
de
de
identificare
identificare
i
i
validare
validare
MMEP aplicat modelului general de tip ARMAX []
MMEP MMEP aplicat aplicat modelului modelului general de tip general de tip ARMAX ARMAX [ [ ] ]

1 1 1
, , , ,

( ) [ ] ( ) [ ] ( ) ,
N k N k N k N k
A q y n B q u n C q n


= +

n

N
Dar Dar gradientul gradientul? ?
Nimic nu mpiedic derivarea ecuaiei care
produce relaia recursiv a erorii de predicie.
Nimic Nimic nu nu mpiedic mpiedic derivarea derivarea ecua ecua iei iei care care
produce produce rela rela ia ia recursiv recursiv a a erorii erorii de de predic predic ie ie. .
1
, ,

( ) , [ ]
N k N k
i
C q n y n i
a

1, i na
1
, ,

( ) , [ ]
N k N k
j
C q n u n j
b

1, j nb
1
, , ,

( ) [ , ] [ , ]
N k N k N k
l
C q n n l
c

1, l nc
, , 1, , , ,

, , 1, ,
N N
N k N k k N k nc k N k
l l l
n n l c n c n nc
c c c


=



1, l nc

, 1, , , ,

, [ ] 1, ,
N N
N k k N k nc k N k
i i i
n y n i c n c n nc
a a a


=



1, i na
, 1, , , ,

, [ ] 1, ,
N N
N k k N k nc k N k
j j j
n u n j c n c n nc
b b b


=



1, j nb
- Ecuaii recurente pentru determinarea
componentelor gradientului.
- - Ecua Ecua ii ii recurente recurente pentru pentru determinarea determinarea
componentelor componentelor gradientului gradientului. .
n

N
Iniializare
cauzal
Ini Ini ializare ializare
cauzal cauzal
, ,

[ , ] [ , ] [ ] [ ] 0
N k N k
n n u n y n = = = =
0 n
15/20
189
189
O O. .O O Metoda Metoda Minimizrii Minimizrii Erorii Erorii de de Predicie Predicie
O
O
Metode
Metode
de
de
identificare
identificare
i
i
validare
validare
Exemplu
Exemplu Exemplu
Primele 3 iteraii ale relaiilor recursive la pasul curent de aproximare
Primele Primele 3 3 iteraii iteraii ale ale relaiilor relaiilor recursive la recursive la pasul pasul curent curent de de aproximare aproximare
,

1, [1]
N k
y

=

( )
, 1, 1, 1, ,
1, 1, 1,

2, [2] [1] [1] 1,

[2] [1] [1]

N N N
N k k k k N k
N N N
k k k
y a y b u c
y a c y b u

= + =

= +

, 1, 2, 1, 2,
1, , 2, ,

3, [3] [2] [1] [2] [1]

2, 1,
N N N N
N k k k k k
N N
k N k k N k
y a y a y b u b u
c c

= + +

1, 0
N k
i
a

, 1, ,

2, [2 ] 1, [2 ]
N
N k k N k
i i
y i c y i
a a


= =



, 1, ,
2, , 1,

3, [3 ] 2,

1, [3 ] [2 ]
N
N k k N k
i i
N N
k N k k
i
y i c
a a
c y i c y i
a


=

1, 0
N k
j
b

, 1, ,

2, [2 ] 1, [2 ]
N
N k k N k
j j
u j c u j
b b


= =



, 1, , 2, ,
1,

3, [3 ] 2, 1,
[3 ] [2 ]
N N
N k k N k k N k
j j j
N
k
u j c c
b b b
u j c u j


= =


= +

,

1, 0
N k
l
c

, , 1, ,
,

2, 2 , 1,

2 ,
N
N k N k k N k
l l
N k
l c
c c
l


= =



=

, , 1, , 2, ,
, 1, ,

3, 3 , 2, 1,

3 , 2 ,
N N
N k N k k N k k N k
l l l
N
N k k N k
l c c
c c c
l c l


= =



= +



1 n =
2 n =
k N
3 n =
( )
2
, ,
1
1

,
N
N k N k
n
n
N
=

=

V
1/precizie
1/precizie 1/precizie
2
,

N N k

2
(0, ) v za
MMEP aplicat modelului general de tip ARMAX []
MMEP MMEP aplicat aplicat modelului modelului general de tip general de tip ARMAX ARMAX [ [ ] ]
16/20
190
190
O O. .O O Metoda Metoda Minimizrii Minimizrii Erorii Erorii de de Predicie Predicie
O
O
Metode
Metode
de
de
identificare
identificare
i
i
validare
validare
Ct Ct de de precis precis este este aceast aceast metod metod? ?
Precizia este ridicat, dar afectat de 2 surse importante de eroare:
Precizia Precizia este este ridicat ridicat, , dar dar afectat afectat de de 2 2 surse surse importante importante de de eroare eroare: :
Ini Ini ializrile ializrile parametrilor parametrilor i i ale ale rela rela iilor iilor recursive recursive prin prin intermediul intermediul crora crora
se se estimeaz estimeaz eroarea eroarea de de predic predic ie ie i i gradientul gradientul. .
Aproximarea Aproximarea matricii matricii Hessiene Hessiene operat operat n n cadrul cadrul MGN MGN. .
Consistena Consistena estimaiilor estimaiilor? ?
Teorema 5 (Cosnsistena estimaiei oferite de MMEP pentru modelele ARMAX)
Teorema Teorema 5 5 ( (Cosnsisten Cosnsisten a a estima estima iei iei oferite oferite de de MMEP MMEP pentru pentru modelele modelele ARMAX ARMAX) )
Se Se consider consider c c modelul modelul ARMAX[na,nb,nc ARMAX[na,nb,nc] ] verific verific u urmtoarele ipoteze rmtoarele ipoteze: :
a. a. modelul modelul este este parsimonios parsimonios: :
c. c. perturba perturba ia ia v v aparine clasei za(0,
2
) (adic este un zgomot alb de medie nul i
dispersie necunoscut
2
), nefiind corelat corelat cu cu semnalul semnalul de de stimul stimul: :
b. b. intrarea intrarea u u este un semnal este un semnal de de stimul stimul cu ordin de persisten cu ordin de persisten suficient de mare astfel suficient de mare astfel
nc nc t t matricea matricea
Atunci estima Atunci estima iile oferite de MMEP sunt convergente iile oferite de MMEP sunt convergente i consistente. i consistente.
( (polinoamele polinoamele adevrate adevrate sunt sunt coprime coprime) ); ;
( , , ) 1 A B C

=
. . { [ ] [ ]} 0 E u n v m =
, , , n m

N
,

limlim
N k
N k

=
s fie inversabil; { [ ] [ ]}
T
E n n
Mai precis: Mai precis:
2 2
,

limlim
N k
N k
=
- Metoda funcioneaz corect i n cazul
zgomotelor colorate, dac se consider un model
separat pentru acestea (de exemplu ARMA).
- - Metoda Metoda func func ioneaz ioneaz corect corect i i n n cazul cazul
zgomotelor zgomotelor colorate colorate, , dac dac se se consider consider un model un model
separat separat pentru pentru acestea acestea (de (de exemplu exemplu ARMA ARMA). ).
MMEP aplicat modelului general de tip ARMAX []
MMEP MMEP aplicat aplicat modelului modelului general de tip general de tip ARMAX ARMAX [ [ ] ]
17/20
191
191
O
O
Metode
Metode
de
de
identificare
identificare
i
i
validare
validare
O.OO Paradigma adaptabilitate-precizie n IS
O O. .OO OO Paradigma Paradigma adaptabilitate adaptabilitate- -precizie precizie n n IS IS

Majoritatea Majoritatea proceselor proceselor furnizoare furnizoare de date de date sunt sunt neliniare neliniare i/sau i/sau posed posed parametri parametri variabili variabili n n timp timp. .

Identificarea Identificarea proceselor proceselor cu cu parametri parametri variabili variabili n n timp timp se se realizeaz realizeaz cu cu ajutorul ajutorul
modelelor modelelor i i metodelor metodelor adaptive (recursive) adaptive (recursive). .

Prin Prin identificarea identificarea adaptiv adaptiv, se , se urmre urmre te te asigurarea asigurarea
unui unui compromis compromis ntre ntre dou dou caracteristici caracteristici opuse opuse ale ale
estima estima iei iei parametrilor parametrilor necunoscu necunoscu i i
( (variabili variabili pe pe orizontul orizontul de de msur msur): ):
Dimensiune Dimensiune
orizont orizont de de adaptare adaptare
0 0
Caracteristici Caracteristici
model model adaptiv adaptiv
Precizie Precizie Adaptabilitate Adaptabilitate
K K
o o
Optim Optim
K K
Adaptabilitatea scade, n timp ce
precizia crete odat cu dimensiunea
orizontului de adaptare.
Adaptabilitatea Adaptabilitatea scade scade, , n timp ce n timp ce
precizia precizia cre cre te te odat cu dimensiunea odat cu dimensiunea
orizontului de adaptare. orizontului de adaptare.
Cu ct se achiziioneaz mai multe date ntre momentele de reactualizare, cu att adaptarea se efectueaz
mai rar, modelul fiind incapabil s surprind variaiile caracteristicilor procesului ntre aceste momente.
Cu c Cu c t se achizi t se achizi ioneaz ioneaz mai multe date mai multe date ntre momentele de reactualizare, cu at ntre momentele de reactualizare, cu at t t adaptarea se efectueaz adaptarea se efectueaz
mai rar mai rar, m , modelul fiind incapabil s surprind varia odelul fiind incapabil s surprind varia iile caracteristicilor procesului iile caracteristicilor procesului ntre aceste momente. ntre aceste momente.
n schimb, precizia modelului crete, deoarece parametrii si
sunt determinai cu ajutorul unui set mai bogat de date.
n schimb, n schimb, precizia modelului cre precizia modelului cre te te, d , deoarece parametrii si eoarece parametrii si
sunt determina sunt determina i cu ajutorul unui set mai bogat de date. i cu ajutorul unui set mai bogat de date.
Principiul metodelor adaptive
Principiul Principiul metodelor metodelor adaptive adaptive
Estimaia vectorului parametrilor
necunoscui se reactualizeaz folosind
datele msurate pe orizontul de adaptare.
Estima Estima ia ia vectorului vectorului parametrilor parametrilor
necunoscu necunoscu i i se se reactualizeaz reactualizeaz folosind folosind
datele datele msurate msurate pe pe orizontul orizontul de de adaptare adaptare. .
1

k k k
K K K
K K K

= +
k

N
Corecie
Corecie Corecie
18/20
192
192
O O. .OO OO Paradigma Paradigma adaptabilitate adaptabilitate- -precizie precizie n n IS IS
O
O
Metode
Metode
de
de
identificare
identificare
i
i
validare
validare
Asigurarea Asigurarea compromisului compromisului precizie precizie- -adaptabilitate adaptabilitate este este dificil dificil. .
Tub de Tub de varian varian ngust ngust
Orizont Orizont de de adaptare adaptare larg larg Orizont Orizont de de adaptare adaptare ngust ngust

n n
0 0

* *
K K 3K 3K 2K 2K


n n
0 0

* *
K K 3K 3K 2K 2K

Tub de Tub de varian varian larg larg

^ ^

^ ^
V Valorile estimate ale parametrului sunt alorile estimate ale parametrului sunt
relativ relativ apropiate de cele adevrate apropiate de cele adevrate i i
tubul de varian tubul de varian este este relativ relativ ngust. ngust.
G Graficul parametrului estimat este neted, raficul parametrului estimat este neted, deci deci
modelul sesizeaz mai pu modelul sesizeaz mai pu in varia in varia iile locale iile locale
ale parametrului adevrat ale parametrului adevrat. .
Exemplu
Exemplu Exemplu
Cazul parametrului scalar, variabil n timp.
Cazul Cazul parametrului parametrului scalar, scalar, variabil variabil n n timp timp. .
V Valorile estimate ale parametrului sunt alorile estimate ale parametrului sunt
relativ relativ deprtate deprtate de cele adevrate de cele adevrate i i
tubul de varian tubul de varian este este relativ relativ larg larg. .
G Graficul parametrului estimat raficul parametrului estimat urmre urmre te te
varia varia iile locale ale parametrului adevrat iile locale ale parametrului adevrat, ,
cu o cu o anumit anumit acurate acurate e e. .
? K =
Se sacrific precizia n
favoarea adaptabilitii.
Se Se sacrific sacrific precizia precizia n n
favoarea favoarea adaptabilit adaptabilit ii ii. .
1

k k k
= +
k

N
1 K =
19/20
Metoda Metoda Kalman Kalman- -Bucy Bucy
( (MKB MKB) )
MCMMPE MCMMPE Recursiv Recursiv
( (MCMMPE MCMMPE- -R R) )
Metode Metode de Gradient de Gradient
Recursive ( Recursive (M M - -R R) )
MCMMP MCMMP- -R R bazat bazat pe pe descompunerea descompunerea QR QR
( (MCMMPQR MCMMPQR- -R R) )
MVI MVI- -R R cu cu fereastr fereastr
dreptunghiular dreptunghiular ( (MVI MVI- -R RE E) )
MVI MVI- -R R cu cu fereastr fereastr exponen exponen ial ial
( (MVI MVI- -R R ) )
MCMMP MCMMP- -R R cu cu fereastr fereastr
dreptunghiular dreptunghiular ( (MCMMP MCMMP- -R RE E) )
MCMMP MCMMP- -R R cu cu fereastr fereastr
exponen exponen ial ial ( (MCMMP MCMMP- -R R ) )
193
193
O
O
Metode
Metode
de
de
identificare
identificare
i
i
validare
validare
Metoda Metoda Celor Celor Mai Mai Mici Mici P Ptrate trate
Recursiv Recursiv ( (MCMMP MCMMP- -R R) )
Metoda Metoda Varibilelor Varibilelor Instrumentale Instrumentale
Recursiv Recursiv ( (MVI MVI- -R R) )
Metodele abordate n acest curs
Metodele Metodele abordate abordate n n acest acest curs curs
Strategia
general
Strategia Strategia
general general
Expresia general a coreciei pentru metoda recursiv (on-line) va fi dedus
plecnd de la expresia final a estimaiei din metoda nerecursiv (off-line).
Expresia Expresia general general a a corec corec iei iei pentru pentru metoda metoda recursiv recursiv ( (on on- -line line) ) va va fi fi dedus dedus
plec plec nd nd de la de la expresia expresia final final a a estima estima iei iei din din metoda metoda nerecursiv nerecursiv ( (off off- -line line). ).
O O. .OO OO Paradigma Paradigma adaptabilitate adaptabilitate- -precizie precizie n n IS IS
MRPL MRPL Recursiv Recursiv
( (MRPL MRPL- -R R) )
MMEP MMEP Recursiv Recursiv
( (MMEP MMEP- -R R) )
Alte metode adaptive (de precizie i complexitate ridicate)
Alte Alte metode metode adaptive (de adaptive (de precizie precizie i i complexitate complexitate ridicate ridicate) )
20/20
Acest rezultat remarcabil se datoreaz n realitate IE, care
permite aproximarea mediei statistice cu o medie temporal
exprimat prin intermediul unei sume.
Acest Acest rezultat rezultat remarcabil remarcabil se se datoreaz datoreaz n n realitate realitate IE IE, care , care
permite permite aproximarea aproximarea mediei mediei statistice statistice cu o cu o medie medie temporal temporal
exprimat exprimat prin prin intermediul intermediul unei unei sume sume. .
194
194
O
O
Metode
Metode
de
de
identificare
identificare
i
i
validare
validare
De De ce ce corecia corecia aplicat aplicat vectorului vectorului curent curent al al parametrilor parametrilor estimai estimai este este aditiv aditiv? ?
1

k k k
= +
k

N

De asemenea
De De asemenea asemenea
Eficiena crescut a algoritmilor adaptivi de identificare se datoreaz unui rezultat din Teoria Matricilor.
Eficien Eficien a a crescut crescut a a algoritmilor algoritmilor adaptivi adaptivi de de identificare identificare se se datoreaz datoreaz unui unui rezultat rezultat din din Teoria Teoria Matricilor Matricilor. .
Fie Fie
n n
A R
Lema 1 (Inversarea matricilor modificate aditiv de un produs exterior)
Lema Lema 1 ( 1 (Inversarea Inversarea matricilor matricilor modificate modificate aditiv aditiv de un de un produs produs exterior) exterior)
o o matrice matrice inversabil inversabil i i
n
b R
, , doi vectori cu dimensiunile egale doi vectori cu dimensiunile egale
1
1
T
c A b
Atunci Atunci matricea matricea
T
+ A bc
este este inversabil inversabil , , inversa acesteia avnd exprimarea: inversa acesteia avnd exprimarea:
. .
( )
1 1
1
1
1
1
T
T
T

+ =
+
A bc A
A bc A
c A b
n
c R
(compatibili dimensional cu matricea (compatibili dimensional cu matricea A), A), avnd avnd proprietatea proprietatea: : . .
Demonstraie
Demonstra Demonstra ie ie
Exerciiu
Exerciiu Exerciiu
( (prin prin verificare verificare
direct direct) )
Caz
particular
Caz Caz
particular particular
b = c
( )
1 1
1
1
1
1
T
T
T

+ =
+
A bb A
A bb A
b A b
Dac inversa unei matrici este deja evaluat, prin adugarea unui produs exterior la
matricea original, rezult o nou matrice a crei invers poate fi evaluat
fr a efectua inversarea explicit a acesteia (se efectueaz doar inversarea unui scalar).
Dac Dac inversa inversa unei unei matrici matrici este este deja deja evaluat evaluat, , prin prin adugarea adugarea unui unui produs produs exterior la exterior la
matricea matricea original original, , rezult rezult o o nou nou matrice matrice a a crei crei invers invers poate poate fi fi evaluat evaluat
fr fr a a efectua efectua inversarea inversarea explicit explicit a a acesteia acesteia (se (se efectueaz efectueaz doar doar inversarea inversarea unui unui scalar scalar). ).
O O. .OO OO Paradigma Paradigma adaptabilitate adaptabilitate- -precizie precizie n n IS IS