Core Concepts
기계 학습 도구, 특히 자동 미분 프레임워크를 활용하여 백프로파게이션을 사용하는 이산 선형 다단계 상태 공간 시스템 식별 방법인 SIMBa를 소개합니다. SIMBa는 식별된 모델의 안정성을 보장하기 위해 슈어 행렬의 새로운 선형 행렬 부등식 기반 자유 매개변수화를 활용합니다.
Abstract
이 논문은 SIMBa라는 선형 시스템 식별 도구를 소개합니다. SIMBa는 기계 학습 도구, 특히 자동 미분 프레임워크와 백프로파게이션을 활용하여 다단계 예측 오차를 최소화합니다. 또한 슈어 행렬의 새로운 선형 행렬 부등식 기반 자유 매개변수화를 통해 식별된 모델의 안정성을 보장합니다.
주요 내용은 다음과 같습니다:
SIMBa는 안정적인 선형 모델 식별을 위한 새로운 프레임워크를 제공합니다.
SIMBa는 안정성을 보장하면서도 기존 방법들보다 우수한 성능을 달성할 수 있습니다.
SIMBa는 다양한 입출력 시스템과 시뮬레이션 및 실제 데이터에서 유연성을 보여줍니다.
SIMBa는 구조화된 비선형 모델 식별을 위한 확장 가능성을 제시합니다.
Stats
식별된 모델의 안정성을 보장하기 위해 슈어 행렬의 선형 행렬 부등식 기반 자유 매개변수화를 사용합니다.
기계 학습 도구, 특히 자동 미분 프레임워크와 백프로파게이션을 활용하여 다단계 예측 오차를 최소화합니다.