×

基于残差的ESG算法及其性能分析。 (英语) Zbl 1185.93141号

小结:在噪声统计特性较弱的条件下,分析了基于残差的扩展随机梯度(ESG)算法识别带干扰CARMA模型的性能。本文推导了参数估计误差收敛到零的条件。文中给出了三个例子来说明该算法的优点。

MSC公司:

93E12号机组 随机控制理论中的辨识
93E25型 随机控制中的计算方法(MSC2010)
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 王德庆。;Ding,F.,Hammerstein Wiener ARMAX系统的扩展随机梯度识别算法,计算机与数学与应用,56,123157-3164(2008)·Zbl 1165.65308号
[2] 丁,J。;丁凤,基于残差的二元系统扩展最小二乘辨识方法,计算机与数学及其应用,56,6,1479-1487(2008)·Zbl 1155.93435号
[3] 盆地,M。;桑切斯,E。;Martinez-Zuniga,R.,多状态和观测延迟系统的最优线性滤波,国际创新计算、信息和控制杂志,3,5,1309-1320(2007)
[4] 马哈茂德,M.S。;Shi,Y。;Nounou,H.N.,不确定时滞系统基于弹性观测器的控制,国际创新计算、信息与控制杂志,3,2,407-418(2007)
[5] 盆地,M。;佩雷斯,J。;Calderon-Alvarez,D.,多项式观测下线性系统的最优滤波,国际创新计算、信息与控制杂志,4,2,313-320(2008)
[6] 盆地,M。;Calderon-Alvarez,D.,未知参数线性随机系统的最优LQG控制器,富兰克林研究所杂志,345,3,293-302(2008)·Zbl 1167.93030号
[7] 盆地,M。;Calderon-Alvarez,D.,不确定随机多项式系统的最优控制器,富兰克林研究所杂志,346,3,206-222(2009)·兹比尔1166.93375
[8] Sutton,R.S。;Barto,A.G.,《强化学习导论》(1998年),麻省理工学院出版社:麻省理学院出版社剑桥
[9] 巴蒂,K。;Girardeau,P。;Strugarek,C。;Roy,J.S.,基于核的随机梯度算法在期权定价中的应用,Monte Carlo方法和应用,14,2,99-127(2008)·Zbl 1146.91003号
[10] Ren,W。;Kumar,P.K.,随机自适应预测和模型参考控制,IEEE自动控制汇刊,39,10,2047-2060(1994)·Zbl 0827.93071号
[11] Delyon,B.,随机算法收敛性的一般结果,IEEE自动控制汇刊,41,9,1245-1255(1996)·Zbl 0867.93075号
[12] Buche,R。;Kushner,H.J.,竞争性资源共享系统中的随机近似和用户适应,IEEE自动控制汇刊,45,5,844-853(2000)·Zbl 0967.90022号
[13] Buche,R。;Kushner,H.J.,约束随机逼近算法的收敛速度,SIAM控制与优化杂志,40,4,1011-1041(2001)·Zbl 1011.62082号
[14] F.Ding,T.Chen,《关于带扰动的CARMA模型随机梯度算法的一致性》,载《2005年美国控制会议论文集》,2005年6月8日至10日,美国波特兰,第4464-4469页。;F.Ding,T.Chen,《关于具有扰动的CARMA模型的随机梯度算法的一致性》,载于《2005年美国控制会议论文集》,2005年6月8日至10日,美国波特兰,第4464-4469页。
[15] 丁,F。;刘,P.X。;石毅,二元随机系统估计算法的收敛性分析,应用数学与计算,176,1245-261(2006)·Zbl 1095.65056号
[16] Xiao,Y.S。;丁·F。;周,Y。;李,M。;Dai,J.Y.,关于受控自回归模型递归最小二乘辨识算法的一致性,应用数学建模,32,112207-215(2008)·Zbl 1156.93411号
[17] Lai,T.L。;Wei,C.Z.,随机回归模型中的最小二乘估计及其在动态系统识别和控制中的应用,《统计年鉴》,10,1,154-166(1982)·Zbl 0488.62071号
[18] 丁·F。;Chen,T.,使用输出误差方法对双速率随机系统的参数估计,IEEE自动控制汇刊,50,9,1436-1441(2005)·Zbl 1365.93480号
[19] 丁·F。;刘,P.X。;Yang,H.Z.,双态系统的参数识别和样本间输出估计,IEEE系统、人和控制论汇刊,A部分:系统和人,38,4,966-975(2008)
[20] 丁·F。;Chen,T.,多创新梯度类型识别方法的性能分析,Automatica,43,1,1-14(2007)·Zbl 1140.93488号
[21] Zhang,J.B。;丁·F。;Shi,Y.,基于多创新随机梯度参数估计的自校正控制,《系统与控制快报》,58,1,69-75(2009)·Zbl 1154.93040号
[22] 丁·F。;Chen,T.,基于层次梯度的多变量离散时间系统辨识,Automatica,41,2,315-325(2004)·Zbl 1073.93012号
[23] 丁·F。;Shi,Y。;Chen,T.,Hammerstein非线性ARMAX模型的基于梯度的识别方法,非线性动力学,45,1-2,31-43(2006)·Zbl 1134.93321号
[24] 古德温,G.C。;Sin,K.S.,《自适应滤波、预测和控制》(1984),普伦蒂斯·霍尔:普伦蒂斯霍尔·恩格尔伍德克利夫斯,新泽西州·Zbl 0653.93001号
[25] 丁·F。;Chen,T。;邱L,L.,MISO系统基于偏差补偿的递归最小二乘辨识算法,IEEE电路与系统汇刊-II:Express Briefs,53,5,349-353(2006)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不声称其完整性或完全匹配。