pdf-file, 2.03 Mbyte - Torsten Schütze
pdf-file, 2.03 Mbyte - Torsten Schütze
pdf-file, 2.03 Mbyte - Torsten Schütze
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
2.6 Numerische Tests 47<br />
2.6.3 Ein Beispiel von Hu<br />
Wir möchten diese zweistufige Strategie anhand eines Beispiels illustrieren, welches wir Hu<br />
[Hu93] entnommen haben. Wir berechnen die rationale Funktion g mit g(x) = 10x/(1 +<br />
100x 2 ) an m = 90 äquidistanten Punkten innerhalb des Intervalls [−2, 2]. Im Gegensatz<br />
zu Hu, welcher exakte Daten betrachtet und die .∞-Norm verwendet, betrachten wir<br />
verrauschte Daten, indem wir mittels Pseudozufallszahlen {ɛi} mit −0.05 ≤ ɛi ≤ 0.05 die<br />
gestörten Meßwerte yi = g(xi) + ɛi, i = 1, . . . , m erzeugen.<br />
Wir wollen diese Daten durch einen glättenden Spline der Ordnung k = 5 mit einer<br />
Ordnung r = 2 im Glättungsterm approximieren. Als Glättungsparameter µ benutzen wir<br />
µ = 1.0 E-10, die vorgegebene Schranke für den Quadratmittelfehler F sei ∆ = 0.3.<br />
Die Approximation wird mit l = 15 äquidistanten inneren Knoten gestartet, welche<br />
jedoch nicht akzeptabel sind. Daher führen wir zu Beginn eine vorgeschaltete Optimierung<br />
der Knoten durch und erhalten die Approximation in Abbildung 2.3. Diese Knotenfolge<br />
wird als Ausgangspunkt für die erste Stufe des Knotenreduktionsalgorithmus benutzt. Wir<br />
erhalten einen Spline mit l = 12 inneren Knoten. Der Wechsel zur zweiten Stufe ergibt<br />
eine weitere Reduktion auf l = 5 innere Knoten. Abbildung 2.4 zeigt die abschließende<br />
Knotenfolge und den zugehörigen Spline. Die Ergebnisse des Knotenreduktionsalgorithmus<br />
sind in Tabelle 2.4 zusammengefaßt. Bei der Optimierung der Knoten haben wir das Modell<br />
RSP-GP-OD benutzt.<br />
äquidistante innere Knoten n = 20 F = 5.3641288 E-01<br />
l = 15 y − Bα = 5.3641269 E-01<br />
optimierte Knotenfolge n = 20 F = 2.2395534 E-01<br />
(Abb. 2.3) l = 15 y − Bα = 2.2395367 E-01<br />
Knotenreduktionsalgorithmus, Stufe I n = 17 F = 2.6486235 E-01<br />
l = 12 y − Bα = 2.6486158 E-01<br />
Knotenreduktionsalgorithmus, Stufe II n = 10 F = 2.7195137 E-01<br />
(Abb. 2.4) l = 5 y − Bα = 2.7194998 E-01<br />
Tabelle 2.4: Beispiel von Hu: Knotenreduktionsalgorithmus<br />
Die gleiche Prozedur haben wir mit dem Kaufman-Modell RSP-Ka-ED durchgeführt.<br />
Hier führt der vorgeschaltete Optimierungsalgorithmus zu einer Knotenfolge, dessen Quadratmittelfehler<br />
etwas größer ist, nämlich F = 2.2486127 E-01. Trotzdem wurde die<br />
Anzahl der inneren Knoten in der ersten Stufe auf l = 9 reduziert, der Fehler beträgt<br />
F = 2.7767981 E-01. In der zweiten Stufe erreichen wir ebenfalls l = 5 innere Knoten und<br />
den gleichen Fehler wie mit dem Modell RSP-GP-OD. Abschließend sei bemerkt, daß die<br />
MATLAB-Routine CONSTR bei diesem Beispiel abbricht, da die Anordnungsnebenbedingungen<br />
zwischenzeitlich nicht erfüllt sind. Es zeigt sich insbesondere, daß die MATLAB-Routine<br />
relativ empfindlich bei der Verwendung des absoluten Distanzmaßes reagierte, während sich<br />
unser Algorithmus sehr robust verhielt. Dies zeigt, daß wir tatsächlich einen Algorithmus<br />
benötigen, welcher nur mit zulässigen Punkten arbeitet.<br />
Das letzte Beispiel zeigt einen wesentlichen Vorteil der kombinierten Knotenreduktionsund<br />
Optimierungsstrategie: Der erhaltene Spline reproduziert nicht nur die Daten innerhalb<br />
des Fehlerniveaus mit l = 5 an Stelle von l = 15 inneren Knoten, sondern er vermeidet auch<br />
das sog. „Overfitting“ durch eine zu große Anzahl von Parametern. Die reduzierte Anzahl<br />
von Freiheitsgraden bewirkt eine Art Regularisierung durch Dimensionsreduktion, siehe