Asymptotic Properties of Nonlinear Least Squares Estimates in Stochastic Regression Models Over a Finite Design Space. Application to Self-Tuning Optimisation

Abstract : We present new conditions for the strong consistency and asymptotic normality of the least squares estimator in nonlinear stochastic models when the design variables vary in a finite set. The application to self-tuning optimisation is considered, with a simple adaptive strategy that guarantees simultaneously the convergence to the optimum and the strong consistency and asymptotic normality of the estimates of the model parameters. An illustrative example is presented.
Type de document :
Communication dans un congrès
IFAC. 15th IFAC Symposium on System Identification, Jun 2009, Saint Malo, France. pp.156-161, 2009
Liste complète des métadonnées

Littérature citée [26 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-00407817
Contributeur : Luc Pronzato <>
Soumis le : lundi 27 juillet 2009 - 16:53:23
Dernière modification le : lundi 27 juillet 2009 - 18:22:32
Document(s) archivé(s) le : mardi 15 juin 2010 - 18:43:12

Fichier

Pronzato-SYSID2009-REV.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00407817, version 1

Collections

Citation

Luc Pronzato. Asymptotic Properties of Nonlinear Least Squares Estimates in Stochastic Regression Models Over a Finite Design Space. Application to Self-Tuning Optimisation. IFAC. 15th IFAC Symposium on System Identification, Jun 2009, Saint Malo, France. pp.156-161, 2009. 〈hal-00407817〉

Partager

Métriques

Consultations de
la notice

228

Téléchargements du document

338