维托里奥·里皮;托马斯·默格纳;克里斯托夫·莫雷尔 姿态控制非线性模型系统和噪声识别的深度学习。 （英语） Zbl 1530.93070号 Gusikhin，Oleg（编辑）等人，ICINCO 2020。第17届控制、自动化和机器人信息学国际会议论文集，虚拟，2020年7月7日至9日。塞图巴尔：SCITEPRESS–科技出版物。607-614（2020年）。 小结：在这项工作中，我们提出了一种基于卷积神经网络（CNN）的人体姿态控制模型系统识别方法。研究人体姿态控制的一种常用方法是识别控制系统的参数。在这种情况下，线性模型由于在识别所需参数和分析结果方面相对简单而特别受欢迎。相反，非线性模型需要预测人类受试者的真实行为，因此需要将其用于姿势控制分析。CNN的使用旨在克服非线性模型识别的繁重计算要求，以减少实验数据分析的耗时，并从长远来看，使此类分析在临床测试中可行。在测试了CNN在验证集和测试集上的性能后，从定性的角度给出了两个示例并进行了讨论：使用人体实验数据识别参数，以及使用模拟模型的数据，这些数据与用于构建训练集的数据有一些不同。还讨论了该方法对仿人机器人的一些潜在影响。关于整个系列，请参见[兹比尔1485.93013]. MSC公司： 93B30型 系统标识 93立方厘米 控制理论中的非线性系统 2017年10月68日 人工神经网络与深度学习 关键词：姿势控制;深度学习;系统标识;参数非线性系统 PDF格式BibTeX公司 XML格式引用 \textit{V.Lippi}等人，in：ICINCO 2020。第17届控制、自动化和机器人信息学国际会议论文集，虚拟，2020年7月7-9日。塞图巴尔：SCITEPRESS——科学技术出版物。607--614（2020年；Zbl 1530.93070） 全文： 内政部 arXiv公司