Resumen

La modelización computacional juega un papel importante en la predicción y optimización de sistemas y procesos reales. Los modelos suelen tener parámetros que deben ser configurados al valor adecuado. Por lo tanto, la estimación de parámetros se considera una parte importante de la modelización y la identificación de sistemas. Normalmente se refiere al proceso de utilizar datos muestreados para estimar los valores óptimos de los parámetros. La precisión del modelo puede aumentarse ajustando sus parámetros al valor óptimo, lo que requiere un conjunto de datos más completo. Una solución simple para tener un conjunto de datos más completo es aumentar la cantidad de datos, pero eso puede resultar costoso y consumir mucho tiempo. Cuando se utilizan datos de animales o personas, es especialmente importante contar con un plan adecuado. Existen varios métodos disponibles para la estimación de parámetros en sistemas dinámicos; sin embargo, existen algunas diferencias básicas en sistemas caóticos debido a su sensibilidad a la condición inicial (efecto mariposa). Por lo tanto, en este documento se aplica una nueva función de coste

• Materias:Simulación dinámica Toma de decisiones Regresión lineal Cargas controladas Seguridad multimedia
• Subjects:Dynamic simulation Decision making Linear regression Controlled loads Multimedia safety
• Palabras claves:Modelado computacional; Predicción; Optimización; Estimación de parámetros; Identificación de sistemas; Sistemas caóticos
• Keywords:Computational modeling; Prediction; Optimization; Parameter estimation; System identification; Chaotic systems