唐晓泉;张龙 系统辨识的稳定性正交回归。 （英语） Zbl 1390.93824号 系统。控制信函。 117, 30-36 (2018). 概述：变量选择方法已广泛用于系统辨识。然而，由于常用的变量选择方法通常会产生具有冗余模型项的次优模型，因此在生成具有最优模型结构的简约模型方面仍然存在一个重大挑战。本文提出了稳定性正交回归（SOR），以建立一个具有较少或无冗余模型项的更紧凑模型。SOR的主要思想是，使用子抽样技术通过正交正向回归（OFR）生成多个中间模型，然后最终模型是这些中间模型项的组合，但不包括很少选择的项。从理论上分析了所提方法的有效性，并用两个数值算例与一些常用算法进行了比较。 引用于1文件 MSC公司： 93E12号机组 随机控制理论中的辨识 62J99型 线性推断、回归 关键词：正交正回归;稳定性选择;稳定性正交回归;系统标识 PDF格式BibTeX公司 XML格式引用 \textit{X.Tang}和\textit{L.Zhang}，系统。控制信函。117、30--36（2018；Zbl 1390.93824） 全文： 内政部 链接 参考文献： [1] Billings，S.A.，《非线性系统识别：时间、频率和时空域中的NARMAX方法》（2013），John Wiley and Sons Ltd·Zbl 1287.93101号 [2] 陈，S。；Billings，S.A。；Luo，W.，正交最小二乘法及其在非线性系统辨识中的应用，国际。J.Control，50，1873-1896，（1989）·Zbl 0686.93093号 [3] 张，L。；Li，K.，非线性系统辨识的正向和反向最小角回归，Automatica，53，94-102，（2015）·Zbl 1371.93211号 [4] Falsone，A。；皮罗迪，L。；Prandini，M.，非线性模型结构选择的随机算法，Automatica，60，227-238，（2015）·Zbl 1331.93207号 [5] Baldachino，T。；安德森，S.R。；Kadirkamanathan，V.，贝叶斯NARMAX建模的计算系统识别，Automatica，49，9，2641-2651，（2013）·Zbl 1364.93821号 [6] Bianchi，F。；法尔松，A。；Prandini，M。；Piroddi，L.，基于多变量伯努利分布的NARX模型识别的随机方法，Int.J.Syst。科学。，48, 6, 1203-1216, (2017) ·Zbl 1362.93159号 [7] 郭义忠。；郭立中。；Billings，S.A。；Wei，H.L.，使用迭代正向正交最小二乘回归算法识别非持续激励非线性系统，国际J模型。标识。控制，23，1，1-7，（2015） [8] 明绍森，N。；Bühlmann，P.，稳定性选择，J.R.Stat.Soc.Ser。B统计方法。，72, 4, 417-473, (2010) ·Zbl 1411.62142号 [9] 张，L。；李凯。；Bai，E.W。；Irwin，G.W.，神经网络构建的两阶段正交最小二乘法，IEEE Trans。神经网络。学习。系统。，26, 8, 1608-1621, (2014) [10] 皮罗迪，L。；Spinelli，W.，基于仿真误差最小化的多项式narx模型识别算法，国际。《控制杂志》，76，17，1767-1781，（2003）·Zbl 1041.93019号 [11] 郭义忠。；郭立中。；Billings，S.A。；Wei，H.L.，迭代正交正向回归算法，国际。系统科学杂志。，46, 5, 776-789, (2015) ·Zbl 1312.93108号 [12] 毛泽东。；Billings，S.A.，非线性动态系统辨识中最小模型结构检测算法，国际。《控制杂志》，48，1553-1565，（2013） 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。