Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Adaptive Estimation of OEMA Model via Variable Regularized Recursive Least Squares Method

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F12%3APU98917" target="_blank" >RIV/00216305:26220/12:PU98917 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Adaptive Estimation of OEMA Model via Variable Regularized Recursive Least Squares Method

  • Popis výsledku v původním jazyce

    In this paper, we present a recursive least squares method with variable regularization, which is in order to track time varying parameters extended by an exponential forgetting factor (EF-VR-RLS). Regularization of a direction matrix is achieved by adding restricting conditions into the cost function. By definition of the standard recursive least-squares method (RLS) implies that the method removes the ambiguity of the cost function using a constant regularization. The RLS method is therefore an exactformulation of multi-criteria problem. In this case regularization element is the initial value of the direction matrix, which penalizes Euclidean distance between the estimated parameters and their initial values. At the proposed approach the cost function is extended by the penalization of weighted difference between the investigated vector of parameters and its currently available estimate. By introducing the element of variable regularization is possible to better effect the rate of

  • Název v anglickém jazyce

    Adaptive Estimation of OEMA Model via Variable Regularized Recursive Least Squares Method

  • Popis výsledku anglicky

    In this paper, we present a recursive least squares method with variable regularization, which is in order to track time varying parameters extended by an exponential forgetting factor (EF-VR-RLS). Regularization of a direction matrix is achieved by adding restricting conditions into the cost function. By definition of the standard recursive least-squares method (RLS) implies that the method removes the ambiguity of the cost function using a constant regularization. The RLS method is therefore an exactformulation of multi-criteria problem. In this case regularization element is the initial value of the direction matrix, which penalizes Euclidean distance between the estimated parameters and their initial values. At the proposed approach the cost function is extended by the penalization of weighted difference between the investigated vector of parameters and its currently available estimate. By introducing the element of variable regularization is possible to better effect the rate of

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    BC - Teorie a systémy řízení

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GD102%2F09%2FH081" target="_blank" >GD102/09/H081: SYNERGIE - Mobilní senzorické systémy a sítě</a><br>

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2012

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of 11th IFAC/IEEE INTERNATIONAL CONFERENCE on PROGRAMMABLE DEVICES and EMBEDDED SYSTEMS PDeS 2012

  • ISBN

    978-3-902823-21-2

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    4

  • Strana od-do

    76-79

  • Název nakladatele

    Neuveden

  • Místo vydání

    Neuveden

  • Místo konání akce

    Brno

  • Datum konání akce

    23. 5. 2012

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku