Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/60785
Type: | Dissertação |
Title: | Regressor selection for polynomial NARMAX models employing a randomized approach |
Authors: | Pedro Felipe Leite Retes |
First Advisor: | Luis Antonio Aguirre |
First Referee: | Eduardo Mazoni Andrade Marçal Mendes |
Second Referee: | Dimas Abreu Archanjo Dutra |
Abstract: | This document presents the background, implementation and results for regressor selection in the nonlinear model context. The classical model structure selection techniques are introduced and serve as a motivation to develop model structure selection methods capable of dealing with nonlinear models in a randomized Monte Carlo fashion. A randomized approach for regressor selection was implemented in the context of nonlinear autoregressive moving average with exogenous input (NARMAX) model class as the extension of the RaMSS - Randomized Model Structure Selection - method. The proposed method is compared to classical regressor techniques such as the ERR - Error Reduction Ratio - in both simulated and real data. Although the models selected by the proposed method are not always the more compact ones, they typically exhibit better performance in comparison to the models obtained by other methods. This is due to either better regressor selection performed by the algorithm or by the inclusion of NMA - Nonlinear Moving Average - what provides a more flexible system representation. |
Abstract: | Esse documento trata da seleção de regressores de modelos não lineares. Os m´métodos clássicos de seleção de estruturas de modelos são introduzidos como motivação para o desenvolvimento de m´métodos contemporâneos de seleção de estruturas capazes de lidar com modelos não lineares utilizando t´técnicas de Monte Carlo. Uma abordagem para seleção de regressores, baseada em amostragem aleatória, foi implementada no contexto de modelos NARMAX (nonlinear autoregressive moving average with exogenous input) como uma extensão do m´método RaMSS - Randomized Model Structure Selection - um algoritmo de seleção de regressores implementado para modelos NARX. O m´método proposto foi comparado com técnicas clássicas de seleção de regressores como o ERR - Error Reduction Ratio, utilizando dados simulados e dados reais. Apesar de que os modelos obtidos com o método proposto nem sempre são os mais compactos, esses modelos normalmente apresentam melhor desempenho seja por uma melhor sele¸c¿ao de regressores ou por contemplar maior flexibilidade de representação, pela inclusão de termos NMA - Nonlinear Moving Average. |
Subject: | Engenharia elétrica Sistemas dinâmicos Sistemas não lineares Processamento de sinais - Matemática Modelos matemáticos Métodos de simulação Método de Monte Carlo |
language: | eng |
metadata.dc.publisher.country: | Brasil |
Publisher: | Universidade Federal de Minas Gerais |
Publisher Initials: | UFMG |
metadata.dc.publisher.department: | ENG - DEPARTAMENTO DE ENGENHARIA ELÉTRICA |
metadata.dc.publisher.program: | Programa de Pós-Graduação em Engenharia Elétrica |
Rights: | Acesso Aberto |
URI: | http://hdl.handle.net/1843/60785 |
Issue Date: | 29-Jun-2018 |
Appears in Collections: | Dissertações de Mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Regressor Selection for Polynomial NARMAX Models Employing a Randomized Approach.pdf | Dissertacao | 1.65 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.