алгоритм левинсона дарбина

Ответ от Fekla deineka[гуру]
Вообще оба метода - это методы численной минимизации функций многих переменных, но первый относится к оптимизации методом наименьших квадратов, а второй - к квази-ньютоновским методам. Более подробно о разнице между ними - возьми книжку почитай :-).
Но. Во-первых, первый алгоритм называется "Левенберга-Марквардта" (Levenberg-Marquardt, иногда вторую фамилию транслитерируют как Маркадт, Маркуадт) .
По поводу второго метода - в хелпе к Матлабу и английской Википедии написано, что лучшим алгоритмом из этого класса (квази-ньютоновских методов оптимизации) является не ДФП, а BFGS (Broyden-Fletcher-Goldfarb-Shanno). Кстати, BFGS используется в Матлабе наряду с ЛМ в качестве алгоритма обучения нейронных сетей.
Преимущество ЛМ для нейронных сетей состоит, по-видимому, в большей скорости вычислений. В хелпе Матлаба написано: "This algorithm appears to be the fastest method for training moderate-sized feedforward neural networks" (про BFGS: "For smaller networks, however, trainbfg can be an efficient training function", и несколько раз упоминается "more storage and computation").
Насчет применения ДФП именно для синтеза цифровых рекурсивных фильтров я не слышала. Возможно, причина в том, что квази-ньютоновские методы применяются в том числе и для оптимизации с ограничениями на значения параметров, что вполне логично при синтезе фильтров (правда более логично для физически реализуемых фильтров, а не цифровых) .
А вообще - вопрос был задан с целью над пиплом поприкалываться? 🙂
Снежная королева
(661)
Спасибо)) Вы для меня ценная находка)