Endliche Stichproben-Frequenzbereichsidentifikation
Unter Annahmen der strikten Stabilität und der gefärbten, sub-Gaussischen Rauschprozesse liefert die empirische Übertragungsfunktionsschätzung (ETFE) konzentrierte Schätzungen der Frequenzantwort mit einer Fehlerrate von der Größenordnung O((√du + √dy)√M/√Ntot), wobei Ntot die Gesamtzahl der Stichproben, M die Anzahl der gewünschten Frequenzen und du, dy die Dimensionen der Ein- und Ausgangssignale sind.
Stabile lineare Unterraumidentifikation: Ein maschinelles Lernverfahren
SIMBa, eine Familie von diskreten linearen Mehrschritt-Zustandsraum-Systemidentifikationsmethoden, die Backpropagation verwenden, um stabile lineare Modelle zu identifizieren. SIMBa übertrifft traditionelle lineare Zustandsraum-Systemidentifikationsmethoden oft deutlich in Bezug auf die Vorhersagegenauigkeit, bei gleichzeitiger Gewährleistung der Stabilität.
Unvoreingenommene Parameterschätzung mittels DREM mit Annihilatoren
Eine modifizierte Version des DREM-Verfahrens wird vorgestellt, die es ermöglicht, Störungen asymptotisch zu annihilieren und somit asymptotisch unverzerrte Schätzungen zu erhalten.
Uneingeschränkte Parametrisierung stabiler LPV-Eingangs-Ausgangs-Modelle mit Anwendung auf die Systemidentifikation
Alle quadratisch stabilen diskreten LPV-Eingangs-Ausgangs-Modelle können durch eine Abbildung transformierter Koeffizientenfunktionen, die auf der Einheitskugel beschränkt sind, erzeugt werden.
Online Identifikation von stochastischen kontinuierlichen Wiener-Modellen unter Verwendung von Proben
Entwicklung eines einfachen rekursiven Online-Schätzalgorithmus für die Identifikation von kontinuierlichen stochastischen parametrischen Wiener-Modellen.
Direkte Systemidentifikation dynamischer Netzwerke mit teilweisen Messungen: Ein Maximum-Likelihood-Ansatz
Die direkte Systemidentifikation von dynamischen Netzwerken mit teilweisen Messungen ermöglicht eine präzise Schätzung der Systemdynamik.
© 2024 by Linnk AI