Предполагается, р, чтобы быть функцией ряда переменных, пронумерованных I п, которые можно рассматривать как формирование вектора. Таким образом: ПВ = F (X), где X = (x1, x2 .... Хп) = ру F (Y), где Y = (y1, y2, - - Уп.) Функциональная форма считается линейной, а не только для тривиальной причине простоты, но так как бинарного сравнения переменных используются во всем, любой функций высшего порядка, казалось бы, ненужные. Таким образом, мы можем назначить набор весов: W = (W1, W2, ---, шп) в сравнении X и Y.
(Для целей сравнения веса нормализует сравнение X и Y инициируется формирование вектора С = Х - Y. Опять Для сравнения Wi должны быть независимы от XI и, таким образом, ух вектор С1, образованного с помощью оператора О. C1 = OC, где О такое, что Другими словами С1 вектор, компоненты которого имеют только значения 0, + 1, -1. Прогноз где P1 = Ш × S1 Поэтому прогнозирование относительной производительности, в зависимости, как X будет делать лучше, чем хуже или также Ю.
<р> Проблема программирования что из расчета веса Вт, так что прогнозы могут быть сделаны.
Для этого программа действует в качестве учебного машины, изменение веса, когда неверный прогноз был сделан, пока вся учебного последовательности дискретных периодов времени не было точно описано. Предположим, что с помощью весов W предсказания РТ были сделаны на XT данных и УТ т.е. Предположим далее, что предсказание не так (РТ известно, поскольку данные все исторический обучающей последовательности) Пусть Новые веса W1 должны быть рассчитаны таким образом, что где А представляет собой постоянный параметр. Очевидно, что прогнозирование производится правой тех пор, пока W1 можно вычислить.
У нас есть и так как веса нормализуют Мы можем разделить каждую сумму на три части в зависимости от того выбор знака зависит от того, Х лучше или хуже, чем Y за последний период. Это затем дает алгоритм для изменения веса, когда неверный прогноз был сделан. Ясно, что только