Identifikation mit achsenschrägen, lokal polynomialen Modellnetzen

Abstract

Zusammenfassung: Der Beitrag stellt eine neue Trainingsmethode für lokale Modellnetze vor, die ein Höchstmaẞ an Flexibilität ermöglicht. Ausgehend von LOLIMOT werden Möglichkeiten zur Verbesserung aufgezeigt, die das volle Potential heutiger Rechner ausschöpfen können. Neben der achsenschrägen Schnittoptimierung, die von Hinging Hyperplane-Ansätzen bekannt ist, führt die Anwendung einer Strukturabwägung auf viel versprechende Ergebnisse. Dazu wird als Alternative zur Teilung die Mög-lichkeit der Komplexitätserhöhung eines lokalen Modells durch den Einsatz von Strukturselektionsverfahren gegenübergestellt. Schlüsselwörter: Lokale Modelle, Polynome, Partitionierung.Abstract: This paper presents a new method for the training of local model networks which yields highly flexible models. Based on LOLIMOT, possibilities for improvement are pointed out that exploit the full potential of stateof-the-art computers. Besides the axes-oblique split optimization that is well known from hinging hyperplane approaches, the application of a structure trade-off leads to very promising results. For that purpose, an additional alternative to the split optimization is proposed. In order to increase the complexity of a local model a structure tradeoff is performed by utilizing a subset selection technique.