基于系统辨识的机器学习模型参数可调性研究

发布时间：2022-02-24 08:30

　　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。 

【文章来源】：自动化应用. 2019,(03)

【文章页数】：2 页

【文章目录】：
0 引言
1 参数可调动性研究
    1.1 参数可调动性的基本概念
    1.2 参数可调动性研究的意义
2 非时变框架下非线性变换模型的参数可调动性
    2.1 非线性变换模型
    2.2 发现问题
3 非时变框架下统计分布模型的参数可调动性
4 全局可调动性的准则
5 参数冗余
6 学习过程的动态轨迹分析
7 结语


【参考文献】：
期刊论文
[1]控制论视角下对宏观经济建模的再思考:为能预测经济危机,对建模的审视及趋势评述[J]. 万百五.  控制理论与应用. 2015(09)
[2]多层感知器模型互反奇异性区域学习动态的理论分析[J]. 郭伟立,魏海坤,赵军圣,张侃健.  控制理论与应用. 2014(02)
[3]复杂系统的平行控制理论及应用[J]. 王飞跃,刘德荣,熊刚,程长建,赵冬斌.  复杂系统与复杂性科学. 2012(03)



本文编号：3642352