偏最小二乘专家混合（Mix-PLS）是一种适合在多种操作模式下学习的方法。 在工业应用中，这种场景非常普遍。 然后，Mix-PLS 将偏最小二乘回归 (PLS)（化学计量学文献中众所周知的方法，也是工业中软传感器最常用的方法之一）集成到混合专家框架中，从而推导出新的 Mix-PLS回归。 它也适用于非线性回归。 如果该方法的任何应用发表，请引用原著：Francisco AA Souza，Rui Araújo，偏最小二乘专家的混合和具有多种操作模式的预测设置中的应用，化学计量学和智能实验室系统，第 130 卷， 2014 年 1 月 15 日，第 192-202 页。 DOI： http : //dx.doi.org/10.1016/j.chemolab.2013.11.006 。
更多信息可以在我的网站上找到： www.isr.uc.pt/~fasouza
2021-12-23 13:36:50
704KB
1
动态和非线性RPLS模型
动态过程模型
贺敏(太原理工大学)
用于自适应数据建模的递归偏最小二乘法介绍
2016年4月16日
一种典型的动态模型是自回归模型(ARX):
其中y，u，v是过程中的输出、输入和噪音。
和 是确定好的模型系数矩阵， 和 是输出和输入的时间延时值(time lags for the output and input)
动态和非线性RPLS模型
(18)
*
2021-12-14 17:32:48
1.33MB
1
13PCA方法虽解决了自变量共线性的问题，但是并没有考虑自变量主元对于因变量变化的解释作用。所以删除的次要主元有可能包含对回归有益的信息，而保留的主元有可能会夹杂一些对回归模型输出无益的噪声。PLS方法，通过将自变量和因变量的高维数据空间投影到相应的低维空间，分别得到自变量和因变量的相互正交的特征向量，再建立自变量和因变量的特征向量间的一元线性回归关系。不仅可以克服共线性问题，它在选取特征向量时强调自变量对因变量的解释和预测作用，去除了对回归无益噪声的影响，使模型包含最少的变量数。
2021-11-25 20:12:21
3KB