|
|
Известно, что метод минимума средних квадратов приводит к уравнению
R*a=d, где R - корреляционная матрица. А раз она теплицева, то ее обращение может быть проведено с меньшими выч. затратами по методу Левинсона-Дурбина.
А если я задаюсь взвешенной квадратичной ошибкой?
Т.е., я могу допустить в некоторой области бОльшую ошибку, с тем чтобы попытаться уменьшить ее в области, критичной для меня.
Т.е. я задаюсь критерием
Sum(alpha[i]*(y[i]-Sum(a[k]*x[i-k]))^2),
где alpha[i] - не равны единице в общем случае, а допускают большую ошибку в данном сэмпле в случае alpha, близком к нулю.
Ведь тогда матрица R - не теплицева. Есть ли быстрый алгоритм для такой задачи?
SM - что скажете?
E-mail: 
info@telesys.ru
