跳到正文
热点事件持续更新

研究者提出分数阶动力系统辨识算法

1 篇报道1 个报道来源6 小时前更新

先了解这件事

AI 综述

Xiaole Zhang、Vijay Gupta 和 Paul Bogdan 提出一种仿射离散时间分数阶动力系统(FoDS)辨识算法,并给出采样复杂度分析,用于处理含噪数据下的 FoDS 辨识问题。 该算法避免求解高阶多项式方程,将辨识问题重构为最小二乘估计以推断系统参数,并推导出参数估计误差以 N = O(d/ε) 速率衰减的概率界。仿真结果验证了理论界的紧致性以及算法的准确性与鲁棒性。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月12日
  1. arXiv cs.LG
    面向离散时间分数阶动力系统辨识的采样复杂度感知框架

    研究者提出一种仿射离散时间分数阶动力系统(FoDS)辨识算法,并给出采样复杂度分析,可处理含噪数据下的 FoDS 辨识问题。该算法避免求解高阶多项式方程,并将辨识问题重构为最小二乘估计以推断系统参数,推导出参数估计误差以 N = O(d/ε) 速率衰减的概率界。仿真结果验证了理论界的紧致性以及算法的准确性与鲁棒性。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。