核心概念
본 연구는 고정 매개변수 추정을 위한 일반화된 망각 재귀 최소 제곱법(GF-RLS)을 제안하며, 이에 대한 안정성 및 강건성 보장을 제공한다. GF-RLS는 기존 재귀 최소 제곱법(RLS) 확장 알고리즘들을 특수 사례로 포함하는 일반화된 프레임워크이다.
摘要
본 연구는 다음과 같은 내용을 다룹니다:
GF-RLS 알고리즘 도출: GF-RLS는 최소 제곱 비용 함수를 최소화하는 방식으로 도출되었으며, 기존 RLS 확장 알고리즘들을 특수 사례로 포함한다.
고정 매개변수 추정을 위한 안정성 보장: Lyapunov 방법을 사용하여 GF-RLS의 매개변수 추정 오차에 대한 Lyapunov 안정성, 균일 Lyapunov 안정성, 전역 점근 안정성, 전역 균일 지수 안정성 등의 충분 조건을 제시한다.
시변 매개변수, 측정 잡음, 회귀자 잡음에 대한 강건성 보장: GF-RLS의 매개변수 추정 오차가 전역 균일 최종 유계성을 만족하도록 하는 충분 조건을 제시한다. 이를 통해 오차-변수 문제에서 최소 제곱 추정기의 점근 편향에 대한 상한을 도출한다.
기존 RLS 확장 알고리즘들과의 연관성 분석: 다양한 RLS 확장 알고리즘들이 GF-RLS의 특수 사례로 도출될 수 있음을 보인다.
統計資料
매개변수 변화 속도 상한 δθ는 실제 데이터로부터 추정할 수 있다.
가중 측정 잡음 상한 ¯
δy와 가중 회귀자 잡음 상한 ¯
δϕ는 실제 데이터로부터 추정할 수 있다.
추정 매개변수의 상한 θmax는 실제 데이터로부터 추정할 수 있다.
引述
"GF-RLS는 기존 RLS 확장 알고리즘들을 특수 사례로 포함하는 일반화된 프레임워크이다."
"Lyapunov 방법을 사용하여 GF-RLS의 매개변수 추정 오차에 대한 다양한 안정성 보장을 제시한다."
"GF-RLS의 매개변수 추정 오차가 전역 균일 최종 유계성을 만족하도록 하는 충분 조건을 제시한다."