Numer: 09/2010 Str. 27
Autorzy: Adam Polak :
Tytuł: Analiza metody iteracyjnej minimalizacji w regularyzacji estymacji nieliniowe
Streszczenie: Pomiary pośrednie często polegają na estymacji parametrów modelu badanego obiektu, a proces estymacji może być źle uwarunkowana numerycznie. W celu poprawy uwarunkowania numerycznego stosowane są metody regularyzacji. Jednym z ostatnio zaproponowanych podejść do regularyzacji estymacji nieliniowej jest metoda iteracyjnej minimalizacji (IM), regulującej balans pomiędzy błędem systematycznym i losowym pomiaru pośredniego. Celem prezentowanych badań było porównanie doboru parametru regularyzacji za pomocą IM z powszechnie stosowną metodą Marquardta. W badaniach wykorzystano syntetyczne dane pomiarowe oraz metodę Monte Carlo. Z przeprowadzonych symulacji wynika, że algorytm IM ma lepsze właściwości metrologicznie niż algorytm Marquardta.
Słowa kluczowe: estymacja nieliniowa, parametr regularyzacji, metoda iteracyjnej minimalizacji, algorytm Levenberga-Marquardta