СНОВОК
Таким чином, можна зробити наступні висновки:
«Параметричний підхід» передбачає, що ми знаємо структуру досліджуваного процесу або об'єкта, але не знаємо параметри цієї структури, ці параметри необхідно визначити.
Від рівня апріорної інформації залежить те, з яким видом алгоритму (параметричним або непараметрическим) ми будемо працювати. Якщо апріорної інформації достатньо для вибору структури об'єкта, то можна працювати з параметричними алгоритмами. Непараметричних підхід використовується у випадках недостатньої апріорної інформації про досліджуваному процесі, об'єкті. Непараметричний і параметричний підходи мають свої переваги і недоліки.
Переваги параметричних алгоритмів:
· Менш ресурсомісткі алгоритми (вимагає меншої кількості обчислювальних операцій у порівнянні з непараметричних алгоритмами);
· Після визначення невідомих коефіцієнтів ми можемо визначити характер поведінки об'єкта чи процесу в будь-якій частині допустимої області.
Недоліки параметричних алгоритмів:
· Вимагають знання структури об'єкта, процесу;
· При збіжності за параметрами, але при неправильному виборі структури, модель може бути неадекватною реальному об'єкту чи процесу.
Переваги непараметрических алгоритмів (непараметрична апроксимація):
· Відсутність необхідності вибору структури об'єкта з точністю до вектора невідомих параметрів;
· Універсальність алгоритмів дозволяє працювати з різними залежностями;
· При збільшенні обсягу вибірки, згідно середньоквадратичної збіжності, оцінка функціональної залежності сходиться до істинної залежності.
Недоліки непараметрических алгоритмів (непараметрична апроксимація):
· Велике число обчислювальних операцій (у порівнянні з параметричним підходом);
· Чи є більш складними методами обробки вихідної інформації (вибірки).
СПИСОК ЛІТЕРАТУРИ
1. Медведєв А.В. Математичні основи теорії адаптивних систем. Красноярськ, СібГАУ, 2007.
2. Методи стохастичною апроксимації.
