Länge Jacobi Matrix für PCA bei nichtlinearem Regression - Mein MATLAB Forum - goMatlab.de

Mein MATLAB Forum - goMatlab.de

Mein MATLAB Forum

 
Gast > Registrieren       Autologin?   

Bücher:

Studierende:
Praktikum - Optische Verbrennungsdiagnostik von Zündsystemen mit MATLAB
Branche: mehrere
IAV GmbH - Ingenieurgesellschaft Auto und Verkehr - Berlin

Praktikant (w/m) Toolentwicklung Matlab
Branche: Beratung, Expertise, Fahrzeugtechnik, Fahrzeugteile, Technische Dienstleistungen
MBtech Group GmbH & Co. KGaA - Fellbach

Abschlussarbeit / Praktikum: Entwicklung Matlab (m/w)
Branche: Informationstechnologie, Elektrotechnik, Elektronik
GIGATRONIK Technologies GmbH - Ulm

Abschlussarbeit - Künstliche Intelligenz für die SCR-On-Board-Diagnose
Branche: mehrere
IAV GmbH - Ingenieurgesellschaft Auto und Verkehr - Berlin

Bachelorarbeit Rotation Invariant Fast Features
Branche: Luft-, Raumfahrttechnik, Andere Branchen
MBDA Deutschland - Schrobenhausen

weitere Angebote

Partner:


Vermarktungspartner


Forum
      Option
[Erweitert]
  Diese Seite per Mail weiterempfehlen
     


Gehe zu:  
Neues Thema eröffnen Neue Antwort erstellen

Länge Jacobi Matrix für PCA bei nichtlinearem Regression

 

Entropie_13
Forum-Newbie

Forum-Newbie


Beiträge: 5
Anmeldedatum: 05.02.18
Wohnort: ---
Version: ---
     Beitrag Verfasst am: 13.02.2018, 16:03     Titel: Länge Jacobi Matrix für PCA bei nichtlinearem Regression
  Antworten mit Zitat      
Hallo,

für das nicht-lineare Modell im Anhang und unten beschrieben möchte ich ein dimensionsreduzierendes Verfahren durchführen, um die Kolinearität zwischen der hohen Anzahl an Parametern zu überprüfen.
Wenn ich die Literatur richtig verstanden habe, kann ich eine PCA/Faktorenanalyse für ein nichtlineares Modell mit der Jakobi Matrix durchführen.
Ich habe dies Jacobi-Matrix in Matlab mit folgendem Befehl gemacht:
options=optimset('MaxFunEvals', 10000, 'MaxIter', 10000, 'TolFun', 0.0001, 'TolX',0.0001,'Display','on');
[k_optim, resnorm, residual, exitflag, output, lambda, jacobian] = lsqnonlin(f,k0,lb,ub,options);

jacobian = Jakobimatrix mit j_ij = dy_i / (dx_p). Unten habe ich beschrieben, dass ich 240 Beobachtungen und 12 Parameter habe. Jacobian ist jetzt aber eine 720x12 double sparse Matrix.
Hat jemand eine Ahnung, warum ich 3x so viele Zeilen wie Beobachtungen habe?

Hat jemand noch einen alternativen Vorschlag für eine Dimensionsreduzierende Methode bei einem nichtlinearen Datensatz?


Modellbeschreibung:
Im Anhang sind die Gleichungen zu meinem Reaktionsmodell für eine chemische Kinetik. r ist die Reaktionsrate (Umsatz eines Stoffes in Menge Stoff / (m^3*s)). Diese taucht auf in der Differentialgleichung dy_i (delta Stoffemengenanteil an allen Stoffen)/ dz (z= Achse eines Reaktors, an dem Stoffe entlangfließen und reagieren). f, p, u, R,T, Z sind extern gegeben oder vom aktuellen y-Wert abhängig. K_substanz, EA_Reaktion, dH_Reaktion und k_Reaktion sind die zu schätzenden Parameter.
Ich besitze einen Datensatz von 240 Experimenten, bei denen y von allen Komponenten bei z = 0 und z = Ausgang am Reaktor bei verschiedenen Temperaturen und Geschwindigkeiten u gemessen wurde. Mit diesem Datensatz will ich die Parameter von dy/dz optimieren. 

equations.png
 Beschreibung:

Download
 Dateiname:  equations.png
 Dateigröße:  59.96 KB
 Heruntergeladen:  57 mal
Private Nachricht senden Benutzer-Profile anzeigen


Neues Thema eröffnen Neue Antwort erstellen



Einstellungen und Berechtigungen
Beiträge der letzten Zeit anzeigen:

Du kannst Beiträge in dieses Forum schreiben.
Du kannst auf Beiträge in diesem Forum antworten.
Du kannst deine Beiträge in diesem Forum nicht bearbeiten.
Du kannst deine Beiträge in diesem Forum nicht löschen.
Du kannst an Umfragen in diesem Forum nicht mitmachen.
Du kannst Dateien in diesem Forum posten
Du kannst Dateien in diesem Forum herunterladen
.



goMatlab ist ein Teil des goForen-Labels
goForen.de goMATLAB.de goLaTeX.de goPCB.de


 Impressum  | Nutzungsbedingungen  | Datenschutz  | Werbung/Mediadaten | Studentenversion | FAQ | goMatlab RSS Button RSS


Copyright © 2007 - 2018 goMatlab.de | Dies ist keine offizielle Website der Firma The Mathworks
Partner: LabVIEWforum.de

MATLAB, Simulink, Stateflow, Handle Graphics, Real-Time Workshop, SimBiology, SimHydraulics, SimEvents, and xPC TargetBox are registered trademarks and The MathWorks, the L-shaped membrane logo, and Embedded MATLAB are trademarks of The MathWorks, Inc.