условиях важны сокращение времени на разработку систем и автома
-
тизация процесса исследования
.
Всем отмеченным требованиям удовлетворяет подход к созданию
принципиально новых автономных информационных систем
,
основан
-
ный на обработке нецентрированных параметров сигналов и помех
,
на
использовании в качестве априорной информации начальных момен
-
тов случайных процессов и на применении нейросетевых технологий
для исследования и проектирования автономных информационных си
-
стем нового поколения
.
В работе
[1]
показано
,
что в этом случае наи
-
более удобно применение аппарата начальных регрессионных харак
-
теристик
,
который позволяет решать поставленные задачи в условиях
вырожденности или плохой обусловленности данных при неизвестных
математических ожиданиях и ковариационных матрицах
.
Регрессионные методы выбора информативных признаков
.
В
работе
[1]
показано
,
что в регрессионных алгоритмах при обнаружении
сигналов необходимо вычислять квадраты ошибок множественных на
-
чальных регрессионных представлений
(
МНРП
)
вида
N
X
i
=1
Ã
x
i
−
N
X
k
=1
k
6
=
i
β
ik
x
k
!
2
,
где
β
ik
=
−
Λ
ik
Λ
ii
—
коэффициенты множествен
-
ной начальной регрессии
;
Λ
ik
,
Λ
ii
—
элементы матрицы
,
обратной ма
-
трице корреляционных
(
начальных
)
моментов
;
x
k
—
оценки нецентри
-
рованных параметров сигналов
;
N
—
размерность вектора информа
-
тивных признаков
.
Коэффициенты множественной начальной регрес
-
сии
(
КМНР
)
рассчитываются исходя из условия минимума среднего
значения квадрата ошибки МНРП
:
Ψ
2
0
=
M
N
X
i
=1
x
i
−
N
X
k
=1
k
6
=
i
β
ik
x
k
2
,
(1)
где
M
[
.
]
—
оператор математического ожидания
.
При обнаружении сигналов для учета влияния каждой
m
-
й компо
-
ненты входного вектора в регрессионной модели необходимо при ис
-
ключенной
m
-
й компоненте найти среднее значение вида
(1):
Ψ
2
m
=
M
N
X
i
=1
x
i
−
N
X
k
=1
k
6
=
i,k
6
=
m
β
ik
x
k
2
,
ISSN 0236-3933.
Вестник МГТУ им
.
Н
.
Э
.
Баумана
.
Сер
. “
Приборостроение
”. 2003.
№
3 71
