主成分分析的matlab代码实现-DIPCA_classicalOE:此存储库包含用于经典输出误差模型的模型估计的代码

上传者: 38736721 | 上传时间: 2021-09-06 23:15:06 | 文件大小: 18KB | 文件类型: ZIP
主成分分析的matlab代码实现DIPCA_classicalOE 该存储库包含用于经典输出误差模型的模型估计的代码。 我们在此处提供文档,但请参阅 demo.m 文件以了解此功能的用法。 我们还提供了一个 readme.txt 文件来了解这个函数的用法和工作。 您可以键入以下命令以获取 Matlab 中的文档: doc dipca_oe_ref 帮助 dipca_oe_ref 该算法仅用输入输出数据估计差分方程的所有参数以及延迟、输入输出顺序,不需要用户提供任何猜测。 如果您正在使用此代码,请引用以下论文,如果您有任何疑问,请随时联系第一作者。 使用广义谱分解识别输出误差 (OE) 模型。 作者:Deepak Maurya、Arun K. Tangirala、Shankar Narasimhan,2019 年第五届印度控制会议 (ICC),2019 年 1 月 9 日(第 28-33 页)。 IEEE。 (获得最佳学生论文奖) 纸: 海报: 幻灯片: 还有其他几项工作扩展了 DIPCA 算法在具有 OE 和 ARX 模型、MISO 系统的经典系统(非 EIV)中的使用: ARX Mo

文件下载

资源详情

[{"title":"( 6 个子文件 18KB ) 主成分分析的matlab代码实现-DIPCA_classicalOE:此存储库包含用于经典输出误差模型的模型估计的代码","children":[{"title":"DIPCA_classicalOE-main","children":[{"title":"dipca_oe.p <span style='color:#111;'> 1.38KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 2.42KB </span>","children":null,"spread":false},{"title":"demo.m <span style='color:#111;'> 844B </span>","children":null,"spread":false},{"title":"LICENSE <span style='color:#111;'> 34.33KB </span>","children":null,"spread":false},{"title":"dipca_oe_ref.m <span style='color:#111;'> 2.51KB </span>","children":null,"spread":false},{"title":"readme.txt <span style='color:#111;'> 2.43KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明