Uncertain differential equations have a wide range of applications. How to obtain estimated values of unknown parameters in uncertain differential equations through observations has always been a subject of concern and research, many methods have been developed to estimate unknown parameters. However, these parameters are constants. In this paper, the method of least squares estimation is recast for estimating the unknown time-varying parameters in uncertain differential equations. A set of unknown time-varying parameter estimates will be obtained, and then the unknown time-varying parameters will be obtained by regression fitting using the estimated values. Using this method, the uncertain differential equation of blood alcohol concentration in human body after drinking and the uncertain differential equation of COVID-19 are derived.


翻译:如何通过观察和研究获得不确定差异方程式中未知参数的估计值一直是人们关注和研究的一个问题,已经制定了许多方法来估计未知参数。然而,这些参数是常数。在本文中,为估计不确定差异方程式中未知时间变化参数,将重新制定最小方形估计法。将获得一套未知时间变化参数估计数,然后通过利用估计值进行回归调整,得出未知时间变化参数。使用这种方法,得出了饮后人体血液酒精浓度的不确定差异方程式以及COVID-19的不确定差异方程式。

0
下载
关闭预览

相关内容

专知会员服务
50+阅读 · 2020年12月14日
专知会员服务
52+阅读 · 2020年9月7日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
已删除
将门创投
5+阅读 · 2019年4月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年7月13日
Arxiv
0+阅读 · 2021年7月13日
Arxiv
0+阅读 · 2021年7月9日
VIP会员
相关VIP内容
相关资讯
已删除
将门创投
5+阅读 · 2019年4月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员