Une technique de régression - Lequel est le meilleur technique pour de contruction de modèle?

[MDaniel]

Bonjour!

J'ai travillé avec quelque chose appelé Identification de Système et j'ai construit une bibliothèque dans code de MATLAB.
https://github.com/DanielMartensson/Mataveid

Le problème est que ces techniques sont uniquement adaptées pour des linéaires et des non-linéaires facile modèles.

Mon idee, à propos de Identification de Système, est de collecter beaucoup de données de measure, et utiliser technique de régression pour construie une modèle d'entrées et sorties multivariables.
Pour moi, des équations algébrique n'est pas nécessaire, parce que des équations algébrique ne sont que pour un comportement spécifique dynamique.
HX_photo2.gif

Il y a une technique appelée FUZZY contrôle et c'est un modéle dynamique. Mais l'utilisateur doit créer les règles pour le modéle. Cette règles sont très difficile à trouver. C'est le problème.
5448494_orig.png

Donc, ma question est:
Il y a une technique de régression qui peut créer un modéle dynamique, sans aucun règles et des équations algébrique?
Pensez-vous programmation dynamique ou réseau neuronal résoudra le problème pour moi?
-----

[gg0]

Bonjour.

Construire des modèles n'est pas très difficile, il y a même un modèle très simple : les données. par exemple si pour le entrées 1,2,3 et 4 les sorties ont été 2,5,7,8, le modèle est 1->2, 2->5, 3->7, 4->8. C'est d'ailleurs souvent, en simulation, le "meilleur modèle". Puis on peut complexifier (interpoler, extrapoler).
La difficulté est de construire des modèles efficaces, qui permettent de prévoir. Et là, il ne faut pas rêver : Sans informations autres sur ce qui se passe, on est dans le flou. C'est tout le domaine des statistiques qui traite de ces questions.

Cordialement.

[Tryss2]

Je dirai que ça dépend beaucoup du problème en question.

[MDaniel]

Bonjour.

Construire des modèles n'est pas très difficile, il y a même un modèle très simple : les données. par exemple si pour le entrées 1,2,3 et 4 les sorties ont été 2,5,7,8, le modèle est 1->2, 2->5, 3->7, 4->8. C'est d'ailleurs souvent, en simulation, le "meilleur modèle". Puis on peut complexifier (interpoler, extrapoler).
La difficulté est de construire des modèles efficaces, qui permettent de prévoir. Et là, il ne faut pas rêver : Sans informations autres sur ce qui se passe, on est dans le flou. C'est tout le domaine des statistiques qui traite de ces questions.

Cordialement.

Je dirai que ça dépend beaucoup du problème en question.

Bonsoir!

J'ai une idée.
Supposer que nous sommes beaucoup de données et je m'utiliser des règles avec de programmation.

Par example:
Nous avons ce tableau de données et une modèle dynamique qui s'appelle fonction de transfert G = 1/(s^2 + s + 2)

L'entrée de données - La sortie de donées

   0.00000   0.00000
   0.10000   0.00000
   0.20000   0.03145
   0.30000   0.09432
   0.40000   0.15497
   0.50000   0.20341
   0.60000   0.24903
   0.70000   0.29830
   0.80000   0.34969
   0.90000   0.40038
   1.00000   0.45007
   1.00000   0.49972
   1.00000   0.51829
   1.00000   0.50555
   1.00000   0.49492
   1.00000   0.49645
   1.00000   0.50081
   1.00000   0.50155

Alors, pensez-vous que je peux m'utiliser de "look up table" pour l'entrées et la sorties?
"look up table" est une technique pour classefier des données. Tout ce que j'ai bensoin de savoir est quelques règles comme:

Si l'entrée = 0.20000, puis la sortie est 0.03145

Penzes à ça avec beaucoup de données.

Est-ce que cela va fonctionner?

[A voir en vidéo sur Futura]