Застосування функціонала квазіпротяжності в задачах апроксимації спотворених даних
DOI:
https://doi.org/10.34185/1562-9945-5-130-2020-10Ключові слова:
функционал, аппроксимация, данныеАнотація
Досліджена ефективність застосування функціонала квазіпротяжності для розв'язання задач апроксимації даних, описуваних параметричною моделлю. Представлені результати теоретичного й чисельного аналізу, які демонструють особливості поведінки цього функціонала як цільової функції лінійного й нелінійного параметрів моделі даних для різних рівнів шуму в припущенні, що параметри моделі приймають одне або кілька значень. Сформульовані рекомендації з ефективного використання функціонала квазіпротяжності для розв'язання задач апроксимації даних.
Посилання
Vovk S. M. Postanovka zadach obrabotki dannyih na osnove kriteriya minimuma protyazhennosti / S. M. Vovk // Radioelektronika, informatyka, upravlinnia. – 2019. – N.1 – S. 157–166. DOI: 10.15588/1607-3274-2019-1-15.
Vovk S. M. Kryterii minimumu protiazhnosti / S. M. Vovk // Systemni tekhnolohii. Rehionalnyi mizhvuzivskyi zbirnyk naukovykh prats. Vypusk 1 (120). – Dnipro, 2019. – C. 19 – 25.
Vovk S. M. Metod obrobky danykh v umovakh skladnoho shumovoho otochennia / S. M. Vovk, V. V. Hnatushenko // Naukovyi visnyk Tavriiskoho derzhavnoho ahrotekhnolohichnoho universytetu. – 2018. – Vyp. 8. – T.2. – S. 1–9. DOI: 10.31388/2220-8674-2018-2.
Vovk S.M. Otsenivanie parametra s neskolkimi znacheniyami / S. M. Vovk, O. N. Prokopchuk // Radioelektronika, informatyka, upravlinnia. – 2019. – N. 4. – S. 14–24. DOI: 10.15588/1607-3274-2019-4-2
Wolberg J. Data Analysis Using the Method of Least Squares: Extracting the Most Information from Experiments / J. Wolberg. – Berlin: SpringerVerlag, 2005. – 250 p.
Ming-Jun Lai and Jingyue Wang An Unconstrained ℓq Minimization with 0 < q ≤ 1 for Sparse Solution of Under-determined Linear Systems // SIAM Journal on Optimization, 2011. – V.21. – N 1. – P. 82-101.
Liu Q. Robust Sparse Recovery via Weakly Convex Optimization in Impulsive Noise / Q. Liu, C. Yang, Y. Gu, H. C. So // Signal Processing. – 2018. – Vol. 152. – P. 84–89. DOI: =https://doi.org/10.1016/j.sigpro.2018.05.020.
