研究者提出分数阶动力系统辨识算法
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
最新进展10月12日 12:00
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报道时间线
沿着报道,了解事件的不同侧面。
10月12日
- 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。