基于系统辨识的机器学习模型参数可调性研究

基于系统辨识的机器学习模型参数可调性研究

沈国良;钱济人

【期刊名称】《自动化应用》 【年(卷),期】2024(000)003

【摘要】研究模型参数的系统辨别是提高模型透明度以及可理解性的重要方法,也是进行模拟参数估计的重要前提.参数可辨识性具有一定的物理意义时,便具有了创建模型的基本框架.模型参数的可调性,即可辨别性,无论是在模型结构,还是在统计学习理论或者学习算法等各种方面都具有代表性的意义.通过系统性研究参数模型的可调性,并根据基础建模的特征,将参数模型分为两个框架结构,即非时变框架和时变框架,论述了动态模型,以及随机过程模型的可调性意义. 【总页数】2页(92-93)

【关键词】可调性;参数模型;信息论;散度;最优化理论;辨别函数 【作者】沈国良;钱济人

【作者单位】浙江浙能天然气运行有限公司,浙江 杭州 310000;浙江浙能天然气运行有限公司,浙江 杭州 310000 【正文语种】中文 【中图分类】TP18 【相关文献】

1.基于机器学习的冷水机组能耗模型辨识方法研究 [J], 魏峥; 王碧玲 2.基于系统辨识的轮胎侧偏刚度二元二阶参数模型求解 [J], 刘喜东; 马建 3.基于系统辨识的变压器绕组模型参数估计 [J], 宋子豪; 周鲁; 陈昊; 宋振浩 4.基于ARX参数模型的某型抗荷调压器系统辨识 [J], 王鹏; 杨晓萍; 曹煜国

5.基于人工智能系统机器学习的算法和理论r——从阿尔法狗看机器学习 [J], 万芳奕

以上内容为文献基本信息，获取文献全文请下载