搜索资源列表
fpe
- This function calculates Akaike s final prediction error ％ estimate of the average generalization error. ％ ％ [FPE,deff,varest,H] = fpe(NetDef,W1,W2,PHI,Y,trparms) produces the ％ final prediction error estimate (fpe), the effective number of
nnfpe
- This function calculates Akaike s final prediction error ％ estimate of the average generalization error for network ％ models generated by NNARX, NNOE, NNARMAX1+2, or their recursive ％ counterparts. ％ ％ [FPE,deff,varest,H] = nnfpe(method,Ne
tuoluo_piaoyi_feipingwenshijian
- 将非平稳时间序列的状态空间建模方法用于陀螺过渡过程的分析.基于平滑先验约束的概念，使用卡尔曼滤波和赤池的AIC方法拟合全局模型，得到陀螺漂移模型的若干数值结果并用于陀螺系统分析.由于观测序列的趋势项、不规则分量可同时建模，因此比分别建模在统计上更加准确有效.-Will be non-stationary time series state space modeling method for the analysis of the transition process gyro. Priori s
jieci
- 算例及matlab程序 一、 利用行列式比估计模型的阶次 二、 利用残差的方差估计模型的阶次三、 利用Akaike准则估计模型的阶次四、 利用最终预报误差准则估计模型的阶次 五、 根据Hankel矩阵的秩估计模型的阶次 附录1 利用行列式比估计模型的阶次 附录2 利用残差的方差估计模型的阶次 附录3 利用Akaike准则估计模型的阶次 附录4 利用最终预报误差准则估计模型的阶次 附录5 利用Hankel矩阵的秩估计模型的阶次-jie ci bian s
Ayou
- Akaike阶次辨识在有色噪声的情况下通过计算AIC的值得到最终的结果。-Akaike order identification in the case of colored noise by calculating the AIC' s worth to the final result.
Akaike
- Akaike阶次辨识在白噪声的情况下通过计算AIC的值得到最终的结果。-Akaike order identification in the case of white noise by calculating the AIC' s worth to the final result.
akaike
- RATS 信息准则，计量经济学中用于确定最优参数个数的关键准则-Akake information criterion
AIC
- 赤池准则 可以实现噪声检测 P波震相捡拾 S波震相捡拾等地震学基本操作等-Akaike criterion can achieve noise detection P-wave seismic phase picking S phases pick up basic operations such as seismology, etc.
sinorder
- 为sinudoidal模型的AIC阶估计.AIC信息准则即Akaike information criterion，是衡量统计模型拟合优良性的一种标准，又由于它为日本统计学家赤池弘次创立和发展的，因此又称赤池信息量准则。它建立在熵的概念基础上，可以权衡所估计模型的复杂度和此模型拟合数据的优良性。 在一般的情况下，AIC可以表示为： AIC=2k-2ln(L) 其中：k是参数的数量，L是似然函数。 假设条件是模型的误差服从独立正态分布。 让n为观察数，RSS为剩余平方和，那么AIC变为：
order-and-parameters
- 同时辨识模型阶次及参数算法。用阶次递推算法，结合AIC法——利用赤池信息准则辨识上例的模型阶次和参数。-请键入文字或网站地址，或者上传文档。 取消 Tóngshí biànshì móxíng jiē cì jí cānshù suànfǎ. Yòng jiē cì dì tuīsuàn fǎ, jiéhé AIC fǎ——lìyòng chìchí xìnxī zhǔnzé biànshì shàng lì de móxíng jiē cì hé cānshù.At the same
AIC-modelisation
- The Akaike information criterion (AIC) is a measure of the relative quality of a statistical model for a given set of data. That is, given a collection of models for the data, AIC estimates the quality of each model, relative to each of the other mod
AIC_MDL
- AIC & MDL The Akaike information criterion (AIC) is a measure of the relative quality of statistical models for a given set of data. Given a collection of models for the data, AIC estimates the quality of each model, relative to each of the other m
stepwise
- 逐步回归的基本思想是将变量逐个引入模型，每引入一个解释变量后都要进行F检验，并对已经选入的解释变量逐个进行t检验，当原来引入的解释变量由于后面解释变量的引入变得不再显著时，则将其删除。以确保每次引入新的变量之前回归方程中只包含显著性变量。这是一个反复的过程，直到既没有显著的解释变量选入回归方程，也没有不显著的解释变量从回归方程中剔除为止。以保证最后所得到的解释变量集是最优的。(In statistics, stepwise regression is a method of fitting re