Разлика между версии на „Стохастична апроксимация“
(Нова страница: '''Стохастичната апроксимация (СА)''' (на английски: Stochastic approximation) е '''част от алгоритмите на [[Ст...) |
|||
| (Не са показани 5 междинни версии от същия потребител) | |||
| Ред 1: | Ред 1: | ||
| − | '''Стохастичната апроксимация (СА)''' (на английски: Stochastic approximation) е '''част от алгоритмите на | + | '''Стохастичната апроксимация (СА)''' (на английски: Stochastic approximation) е '''част от алгоритмите на Стохастичната оптимизация''', опитваща се да намери центъра или края на функции, които не могат да се изчислят директно, а може само чрез наблюдение да се предположи възможното изчисление. Първите подобни алгоритми от този вид са тези на Робинс-Монро и Кийфър-Уоилфовитц. Тези алгоритми са все още в експериментална фаза. |
| − | |||
| − | |||
| + | ==Същност== | ||
Стохастичните оптимизационни методи са оптимизационни алгоритми, които включват вероятностни елементи или в проблемната информация, или в самите алгоритми, или и в двете неща. Тяхната концепция контрастира с [[детерминистичните оптимизационни методи]], където стойностите на [[функциите]] се предполага, че са точни числа и изчисленията са напълно определени от възможните стойности. | Стохастичните оптимизационни методи са оптимизационни алгоритми, които включват вероятностни елементи или в проблемната информация, или в самите алгоритми, или и в двете неща. Тяхната концепция контрастира с [[детерминистичните оптимизационни методи]], където стойностите на [[функциите]] се предполага, че са точни числа и изчисленията са напълно определени от възможните стойности. | ||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
Обширна теоретична литература е нараснал около тези алгоритми, относно [[условията за конвергенция]], [[степента на конвергенция]], [[многовариантността]], избор на размерът на стъпката, възможни модели за шум и много други. Тези методи се прилагат и в [[теория на управлението]], когато искаме да оптимизираме нашите функции. В този случай размерът на стъпката не трябва да клони към нула, а трябва да се подбира така, че да задоволява нашите нужди. | Обширна теоретична литература е нараснал около тези алгоритми, относно [[условията за конвергенция]], [[степента на конвергенция]], [[многовариантността]], избор на размерът на стъпката, възможни модели за шум и много други. Тези методи се прилагат и в [[теория на управлението]], когато искаме да оптимизираме нашите функции. В този случай размерът на стъпката не трябва да клони към нула, а трябва да се подбира така, че да задоволява нашите нужди. | ||
| Ред 29: | Ред 10: | ||
==Вижте още== | ==Вижте още== | ||
| − | *[[ | + | *[[Алгоритъм на Робинс-Монро]] |
| − | *[[ | + | *[[Алгоритъм на Кийфър-Уоловиц]] |
*[[Бейсова вероятност]] | *[[Бейсова вероятност]] | ||
| − | |||
| − | |||
| − | |||
*[[Статистика]] | *[[Статистика]] | ||
*[[Извадков метод]] | *[[Извадков метод]] | ||
Текуща версия към 16:14, 3 април 2014
Стохастичната апроксимация (СА) (на английски: Stochastic approximation) е част от алгоритмите на Стохастичната оптимизация, опитваща се да намери центъра или края на функции, които не могат да се изчислят директно, а може само чрез наблюдение да се предположи възможното изчисление. Първите подобни алгоритми от този вид са тези на Робинс-Монро и Кийфър-Уоилфовитц. Тези алгоритми са все още в експериментална фаза.
Същност
Стохастичните оптимизационни методи са оптимизационни алгоритми, които включват вероятностни елементи или в проблемната информация, или в самите алгоритми, или и в двете неща. Тяхната концепция контрастира с детерминистичните оптимизационни методи, където стойностите на функциите се предполага, че са точни числа и изчисленията са напълно определени от възможните стойности.
Обширна теоретична литература е нараснал около тези алгоритми, относно условията за конвергенция, степента на конвергенция, многовариантността, избор на размерът на стъпката, възможни модели за шум и много други. Тези методи се прилагат и в теория на управлението, когато искаме да оптимизираме нашите функции. В този случай размерът на стъпката не трябва да клони към нула, а трябва да се подбира така, че да задоволява нашите нужди.
Йохан Мазрелиз и Дъглас Мартин са първите използвали стохастична апроксимация през 1975, когато са се занимавали с линейна оценка.
Вижте още
Източници
- Робинсън и Монро, „Летописи на математическата статистика” 1951г.
- Мазрелиз и Мартин, „Линейна оценка чрез стохастична апроксимация” 1975г.
- Надежда Николаевна Бек, Дмитрий И. Голенко, Статистические методы оптимизации в экономических исследованиях
- Мишев, Георги. Цветков, Стоян. Статистика за икономисти. София, Денеб-Консулт, 1995г.