×
陈天石

正则化LTI系统辨识的核设计。 （英语） Zbl 1387.93064号

Automatica公司 90, 109-122 (2018).
摘要：基于核的正则化方法有两个关键问题：一是如何设计合适的核，将待识别LTI系统的先验知识嵌入核中；另一个是如何调整核，使得到的正则化脉冲响应估计器能够实现良好的偏差-方差折衷。在本文中，我们主要关注内核设计问题。根据先验知识的类型，我们提出了两种设计内核的方法：一种是从机器学习的角度，另一种是基于系统理论的角度。我们还提供了这两种方法的分析结果，这不仅增强了我们对现有核的理解，而且还指导了新核的设计。

引用于18文件

MSC公司：

93B30型 系统标识
93二氧化碳 控制理论中的线性系统
68T05型 人工智能中的学习和自适应系统
93亿B51 设计技术（稳健设计、计算机辅助设计等）

关键词：

系统标识；正则化方法；内核方法；内核设计；先验知识

软件：

系统标识工具箱
PDF格式BibTeX公司 XML格式引用
\textit{T.Chen}，Automatica 90，109--122（2018；Zbl 1387.93064）
全文： 内政部 arXiv公司

参考文献：

[1] Nachman Aronszajn，《再生核理论》，美国数学学会学报，337-404，（1950）·Zbl 0037.20701号
[2] Å斯特罗姆，K.J.，《随机控制理论导论》（1970），纽约和伦敦学术出版社·Zbl 0226.93027号
[3] Carli，F.P。；Chen，T。；Ljung，L.，系统识别的最大熵核，IEEE自动控制学报，62，3，1471-1477，（2017）·Zbl 1366.93669号
[4] 克劳迪奥·卡梅利；埃内斯托·德·维托；Toigo，Alessandro，可积函数的向量值再生核Hilbert空间和Mercer定理，分析与应用，4，04，377-408，（2006）·Zbl 1116.46019号
[5] Chen，C.，线性系统理论与设计，（1999），牛津大学出版社，纽约
[6] Chen，Tinshi，连续时间DC核-稳定的广义一阶样条核，IEEE自动控制汇刊，（2017），提交出版，可从http://arxiv.org/abs/1710.03932 ·兹比尔1423.93091
[7] Chen，T。；安徒生，M.S。；Ljung，L。；Chiuso，A。；Pillonetto，G.，使用顺序凸优化技术通过基于稀疏多核的正则化进行系统识别，IEEE自动控制汇刊，11，2933-2945，（2014）·Zbl 1360.93720号
[8] 陈天石；阿德西里，托希德；Francesca P.Carli。；亚历山德罗·齐乌索；Lennart Ljung；Pillonetto，Gianluigi，离散时间一阶稳定样条核的最大熵性质，Automatica，66，34-38，（2016）·Zbl 1335.93131号
[9] Chen，T。；Ljung，L.，系统辨识中正则最小二乘问题中参数调整算法的实现，Automatica，49，2213-2220，（2013）·Zbl 1364.93825号
[10] Chen，Tinshi，&Ljung，Lennart（2014）。用于正则化系统辨识的构造性状态空间模型诱导核。在第19届IFAC世界大会; Chen，Tinshi，&Ljung，Lennart（2014）。用于正则化系统辨识的构造性状态空间模型诱导核。在第19届IFAC世界大会
[11] Chen，T.和Ljung，L.（2015a）。正则化系统辨识的核结构（i）：机器学习的观点。在国际会计师联合会系统识别专题讨论会会议记录; Chen，T.和Ljung，L.（2015a）。正则化系统辨识的核结构（i）：机器学习的观点。在国际会计师联合会系统识别专题讨论会会议记录
[12] Chen，T.和Ljung，L.（2015b）。正则化系统辨识的核结构（ii）：系统理论视角。在国际会计师联合会系统识别专题讨论会会议记录; Chen，T.和Ljung，L.（2015b）。正则化系统辨识的核结构（ii）：系统理论视角。在国际会计师联合会系统识别专题讨论会会议记录
[13] Chen，T。；奥尔松，H。；Ljung，L.，关于传递函数、正则化和高斯过程的估计——重访，Automatica，481525-1535，（2012）·Zbl 1269.93126号
[14] Chiuso，A.，动力学系统中的正则化和贝叶斯学习：过去、现在和未来，控制年度评论，41，24-38，（2016）
[15] Chiuso，A.、Chen，T.、Ljung，L.和Pillonetto，G.（2014）。非参数线性系统辨识的多核设计。在程序。第53届IEEE决策与控制会议; Chiuso，A.、Chen，T.、Ljung，L.和Pillonetto，G.（2014）。非参数线性系统辨识的多核设计。在程序。第53届IEEE决策与控制会议
[16] 盖，T.M。；Thomas，J.A.，《信息理论的要素》（2012），John Wiley&Sons
[17] Cucker，F。；Smale，S.，《学习的数学基础》，美国数学学会，39，1，1-49，（2002）·Zbl 0983.68162号
[18] Dinuzzo，F.，线性时不变系统识别的内核，SIAM控制与优化杂志，53，5，3299-3317，（2015）·Zbl 1329.93049号
[19] 狄奥多罗斯·叶夫根纽（Theodoros Evgeniou）；马西米利亚诺·蓬蒂尔；Poggio，Tomaso，正则化网络和支持向量机，计算数学进展，13，1，1-50，（2000）·Zbl 0939.68098号
[20] Torkel很高兴。；伦纳德·Ljung。，控制理论：多变量和非线性方法，（2000年），Taylor&Francis
[21] Jaynes，E.T.，《关于最大熵方法的基本原理》，IEEE学报，70，9，939-952，（1982）
[22] Ljung，L.，《系统识别-用户理论》，（1999），新泽西州普伦蒂斯·霍尔上鞍河。
[23] Michel Loève，（概率论，第二卷，数学研究生教材，（1978））·Zbl 0385.60001号
[24] 马可纳托，A。；Schoukens，M。；Schoukens，J.，基于滤波器的脉冲响应建模调节，IET控制理论与应用，11，194-204，（2016）
[25] 穆碧强；Chen，Tinshi，《关于规范化LTI系统识别的输入设计：功率约束输入》，Automatica，（2017年），提交出版，网址：http://arxiv.org/abs/1708.05539 ·Zbl 1406.93360号
[26] Mu，B.、Chen，T.和Ljung，L.（2017a）。fir模型超参数的调整——一个渐近理论。在国际会计师联合会2017年世界大会会议记录; Mu，B.，Chen，T.和Ljung，L.（2017a）。fir模型超参数的调整——一个渐近理论。在国际会计师联合会2017年世界大会会议记录
[27] Mu，Biqiang，Chen，Tianshi，&Ljung，Lennart（2017b）。基于核的正则化LTI系统辨识的输入设计：功率约束输入。在程序。第56届IEEE决策与控制会议; Mu，Biqiang，Chen，Tinshi，&Ljung，Lennart（2017b）。基于核的正则化LTI系统辨识的输入设计：功率约束输入。在程序。第56届IEEE决策与控制会议·Zbl 1406.93360号
[28] 穆碧强；陈天石；Ljung，Lennart，关于基于核的正则化方法超参数估计的渐近性质，Automatica，（2017），暂时接受，可从http://arxiv.org/abs/1707.00407 ·Zbl 1401.93197号
[29] Brett Ninness；Goodwin，Graham C.，模型质量评估，Automatica，31,121771-1797，（1995）·Zbl 0846.93021号
[30] Gianluigi Pillonetto；Chiuso，Alessandro，正则核回归和线性系统识别中的调整复杂性：边际似然估计量的稳健性，Automatica，51，106-117，（2015）·Zbl 1330.93235号
[31] Gianluigi Pillonetto；Chiuso，Alessandro，正则核回归和线性系统识别中的调整复杂性：边际似然估计量的稳健性，Automatica，58，106-117，（2015）·Zbl 1330.93235号
[32] Pillonetto，G。；Chiuso，A。；De Nicolao，G.，线性系统的预测误差识别：非参数高斯回归方法，Automatica，47，2，291-305，（2011）·Zbl 1207.93110号
[33] Pillonetto，G。；De Nicolao，G.，《基于内核的线性系统识别新方法》，Automatica，46，1，81-93，（2010）·Zbl 1214.93116号
[34] Pillonetto，G。；迪努佐，F。；Chen，T。；De Nicolao，G。；Ljung，L.，系统识别、机器学习和功能估计中的核方法：一项调查，Automatica，50，3，657-682，（2014）·Zbl 1298.93342号
[35] 拉斯穆森，C.E。；Williams，C.K.I.，机器学习的高斯过程，（2006），麻省理工学院剑桥出版社，马萨诸塞州·Zbl 1177.68165号
[36] Schön，T.B。；Wills，A。；Ninness，B.，非线性状态空间模型的系统识别，Automatica，47，1，39-49，（2011）·Zbl 1209.93155号
[37] Silverman，R.，局部平稳随机过程，信息理论的IRE事务，3，3，182-187，（1957）
[38] Sjöberg，J.、McKelvey，T.和Ljung，L.（1993）。关于正则化在系统辨识中的应用。在国际会计师联合会2012年世界大会会议记录; Sjöberg，J.、McKelvey，T.和Ljung，L.（1993）。关于正则化在系统辨识中的应用。在国际会计师联合会2012年世界大会会议记录
[39] 因戈斯坦瓦特；Christmann，Andreas，支持向量机，（2008），Springer Science&Business Media New York·兹比尔1203.68171
[40] Tikhonov，A.N。；Arsenin，V.Y.，《不适定问题的解决方案》，（1977年），温斯顿/威利华盛顿特区·Zbl 0354.65028号
[41] Yaglom，Akira Moiseevich，平稳和相关随机函数的相关理论，（1987），Springer·Zbl 0685.62077号
[42] 周，K。；多伊尔，J.C。；Glover，K.，鲁棒和最优控制，（1996），新泽西州恩格尔伍德悬崖Prentice Hall·Zbl 0999.49500
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，而不要求完整或完全匹配。