基于贝叶斯核方法量化输出系统辨识研究.pdfVIP

基于贝叶斯核方法量化输出系统辨识研究.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

第17届IFAC系统辨识大会预印本国际会议2015年10月19

基于贝核的系统辨识与量化输出数据

∗∗∗∗

·博特加尔igi·皮洛内托H˚akanHjalmarsson

∗自动控制与ACCESS,电气,瑞典理工学

院,斯德哥尔摩,瑞典(电子邮件:{bottegal;hjalmars}@kth.se)

∗∗系,帕多瓦大学,帕多瓦,意大利(电子邮件:

giapi@dei.unipd.it)

:本文提出了一种用于量化输出数据线性系统辨识的新方法。脉冲响应建模为零均

值过程,其协方差(核)采用稳定样条核,该核编码了关于正则性和指数稳定

性的信息。这为我们的问题了一个贝框架的起点。我们采用链蒙特卡罗

(MCMC)方法来估计系统。特别是,我们展示了如何设计一个吉布斯采样器,使其快速收敛

到目标分布。数值模拟表明,与最先进的基于核的方法相比,在量化数据系统辨识中,该方法

在估计精度方面有显著提高。

1.引言线系统辨识问题的基于贝核的

化(参见[Pillonetto等人,2014]综述)。

基于量化数据的系统辨识在通信、网络控制系统、生物信

息学等多个领域有广泛应用(例如参见[Bae和与[Chen等人,2012b],类似,本文的出发点是采用贝

Mallick,2004]以及[Wang等人,2010])。方法来辨识具有量化数据的线系统问题的建模。

从系统辨识的角度来看,对具有量化输出数据的系统进行未知系统的脉冲响应建模为一个随机过程的实

辨识是一个具有性的问题。量化器与动态系统级联的存现。该过程具有零均值,其协方差矩阵(在此背景下也称为

在会导致系统动力学信息的丢失,的系统辨识技术,如核)由稳定样条核给出,[Pillonetto和

最小二乘法或预测误差法(PEM)[Ljung,1999],DeNicolao,2010],[Pillonetto等人,2011],

[S¨oderstr¨om和Stoica,1989],可能给出较差的性[Bottegal和Pillonetto,2013]这些核专门用于线性

能。因此,近年来一系列提出了几种从量化数据进行系系统辨识。这类核的结构依赖于两个超参数,即一个缩放

统辨识的技术。其中一些方法专门针对具有二值测量的系统参数和一个形状参数。调整这些参数可以看作是一个模型

的辨识[Wang等人,2003],[Wang等人,2006],并可选择步骤。在设置下(即没有量化器时),核的超参

能以递归方式实现[Guo和Zhao,2013],[Jafari等人,数选择为最大化输出测量值的边缘似然,该似然是通过对

2012]。其他方法,例如[Colinet和Juillard,2010],利系统依赖性进行积分得到的。一旦确定了超参数,系统的

用抖动信号的知识来提高辨识性能。特定的输入设计技术脉冲响应即通过给定观测输入/输出数据的最小均方贝叶

在[Godoy等人,2014],[Casini等人,2011]和斯估计来计算(

文档评论(0)

159****9610 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:6044052142000020

1亿VIP精品文档

相关文档