Для решения задач идентификации необходимо ввести некоторый способ оценки в области объекта и описывающей его модели.
Для этого целесообразно воспользоваться выбором некоторого критерия адекватности. На практике наиболее часто принято использовать байсовые критерии минимума среднего риска.
Обозначим у(t) – выходной сигнал объекта, уm(t) – выходной сигнал модели.
Рассогласование: 
.
Принято оценивать точность идентификации в каждом конкретном случае значением Q(ε) (функция потерь).
Значение величины ε(t) не всегда в равной степени, не во все моменты времени могут быть равноценными, с точки зрения значимости для управления. Поэтому дополнительно вводят функцию значимости: w(t) – функция веса.
Для данной реализации входной величины x(t) качество решения задачи идентификации, в среднем, принято оценивать математическое ожидание функции потерь.
- средний риск.
Большинство решений задач идентификации являются байсовыми, поскольку получается на основе критерия минимума среднего риска:
k(Q)→min
Вбирая тот или иной вид потерь Q(t) можно получить ряд критериев, применяемых на практике при решении тех или иных задач идентификации.
1) Пусть функция веса w(t)=1. Это означает, что значение ε(t) во все моменты времени равноценны.
Выбираем функцию потерь:
Тогда 
- значение среднего риска.
Это вероятность того, что рассогласование ε(t) выходит за пределы (-φ(t),φ(t)).
2) Пусть Q(ε)=c-δ(ε(t)). Используемую оценку получают критерий максимального правдоподобия.
Q(ε)=ε2(t) – приходит к критерию средней квадратичной ошибки, применение которого приводит к простым алгоритмам идентификации.
3) Q(ε)=ε(t)
- равномерный критерий.
Недостатком, которого является то, что минимум может достигаться не только в точках наибольшей близости у и уm. Но также и в тех точках, где положительные и отрицательные отклонения приблизительно равны. Этого недостатка можно избежать, если взять модель ε(t), т.е.
Недостаток оценки: указанный интеграл, оказывается, найти затруднительно. Критерий адекватности могут быть улучшены за счет рационального выбора функций w(t).
Считается удачный выбор функции: 
Т0 – наперед заданное времени памяти.
В ряде случаев используют критерии, учитывающий входной сигнал:
В общем случае могут быть использованы также и другие критерии адекватности, причем выбор подходящего критерия адекватности представляет собой в ряде случаев не простую задачу и диктуется во многом особенностями решаемой задачи идентификации. А также уровнем мастерства исследования.
4 Метод существенных переменных.
Возьмем произвольную функцию f, M1(f) – единичное множество. Проще говоря, множество наборов переменныx, на которых функция обращается в верное высказывание. Построить таблицу истинности.
Выписать все гиперкубы из M1(f) и импликанты.
Взять простые импликанты.
Построить таблицу накрытия.
Из оставшихся простых импликантов создать тупиковую ДНФ. 
Построим таблицу истинности для нее: 
Выпишем все гиперкубы, лежащие в M1(f) и соответствующие им импликанты: 
Выбираем простые импликанты и строим таблицу их накрытия: 
Поскольку импликанта yz перекрывается другими, ее можно изъять из выражения. Выходит, что тупиковая ДНФ функции имеет вид: 
Выходные величины объектов с распределенными параметрами в данный момент времени имеют разные числовые значения в различных точках объекта. Основные переменные процесса в объекте с распределенными параметрами изменяются и во времени, и в пространстве. Математическая модель объекта управления с распределенными параметрами содержит хотя бы одно дифференциальное уравнение с частными производными.