Page 48 - 4196
P. 48

Припустимо,  що  шукана  сумісна  щільність  може
           бути  апроксимована  кінцевою  сумою  ортонормованих
           функцій:

                                            N
                            f €    ax  T     x  a  j  j  x ,
                                            j 1
           де  a  - вектор невідомих параметрів,   x   - відомі  век-
           тор-функції. Задача полягає в знаходженні такого опти-
                                           
           мального  значення  вектора  a     a ,  щоби  мінімізувати
                                                n
           функціонал

                                              T     2
                            ) a ( J   min    f    ax      dxx  ,
                                    X
           який  характеризує  міру  відхилення  шуканої  щільності
            f €  a,x   від істинної   xf  .
                 Цій умові буде задовольняти вектор

                            
                          a         dxxfx    M   x  .
                               X
                                                     
           Тобто, оптимальне значення вектора  a  дорівнює мате-
           матичному сподіванню вектор-функції   x     . Для визна-
                     
           чення  a   скористаємось  алгоритмом  навчання  (див.
           п.4.5). Тоді
                                                      
                      a   a n 1    A n a n 1      x n  , a   a .
                       n
                                                           n
                                    1
                 Приймемо     n      E  ( E - одинична матриця), що
                                    n
           забезпечує мінімум дисперсії оцінки  a  для довільного  n .
           Тоді
                                  1                  
                      a    a  n 1    a n 1      x n  , a   a .
                                                          n
                        n
                                  n
                                        48
   43   44   45   46   47   48   49   50   51   52   53