乔治奥·伯普苏基斯;安娜·马可纳托;约翰·拉泰尔;约翰·舒肯斯 正则化非参数Volterra核估计。 （英语） Zbl 1372.93189号 Automatica公司 82, 324-327 (2017). 摘要：本文将最近介绍的线性系统非参数估计的正则化方法推广到Volterra级数模型的非线性系统的估计。高于一阶的核表示序列中的高维脉冲响应，被认为是多维高斯过程的实现。在此基础上，通过最小二乘成本函数中适当的惩罚项引入了关于Volterra核结构的先验信息。结果表明，即使在少量数据点的情况下，所提出的方法也能够提供对Volterra核的精确估计。 引用于14文件 MSC公司： 93E10型 随机控制理论中的估计与检测 第93页第12页 随机控制理论中的辨识 93立方厘米 控制理论中的非线性系统 关键词：系统标识;非线性系统;非参数估计;沃尔特拉系列;正规化;高斯过程 PDF格式BibTeX公司 XML格式引用 \textit{G.Birpoutsoukis}等人，Automatica 82，324--327（2017；Zbl 1372.93189） 全文： 内政部 arXiv公司 参考文献： [2] Chen，T。；Ohlsson，H。；Ljung，L.，关于传递函数、正则化和高斯过程的估计——重访，Automatica，48，8，1525-1535（2012）·Zbl 1269.93126号 [3] 克里斯塔科斯，G。；Papanicolaou，V.，弱均匀空间随机场的范数依赖协方差容许性及其在空间统计中的后果，随机环境研究和风险评估，14，6，471-478（2000）·Zbl 0968.62069号 [4] Dinuzzo，F.，线性时不变系统辨识的Kernels，SIAM控制与优化期刊，53，5，3299-3317（2015）·Zbl 1329.93049号 [5] M.O.Franz。；Schölkopf，B.，Wiener和Volterra理论与多项式核回归的统一观点，神经计算，18，12，3097-3118（2006）·Zbl 1127.94316号 [6] 拉泰尔，J。；Chen，T.，频域中高斯过程回归的传递函数和瞬态估计，Automatica，72，217-229（2016）·Zbl 1344.93103号 [7] Ljung，L.，（系统识别：用户理论。系统识别：用于用户的理论，PTR Prentice hall信息和系统科学系列（1999）） [8] Pillonetto，G。；Chiuso，A.，正则核回归和线性系统识别中的调整复杂性：边际似然估计的稳健性，Automatica，58，106-117（2015）·Zbl 1330.93235号 [9] 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 [10] 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 [11] 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 [12] Pintelon，R。；Schoukens，J.，《系统识别：频域方法》（2012），John Wiley&Sons·Zbl 0970.93514号 [13] 拉斯穆森，C.E。；Williams，C.K.I.，机器学习的高斯过程（2006），麻省理工学院出版社·Zbl 1177.68165号 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。