微分ベース正規化ニューラルネットワークを用いたNARX同定【JST・京大機械翻訳】

Peeters L. H.; Beintema G. I.; Forgione M.; Schoukens M.

プレプリント

J-GLOBAL ID：202202214751437913 整理番号：22P0330314

微分ベース正規化ニューラルネットワークを用いたNARX同定【JST・京大機械翻訳】

NARX Identification using Derivative-Based Regularized Neural Networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年04月12日プレプリントサーバーでの情報更新日： 2022年08月19日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本研究では,非線形自己回帰eXogenous(NARX)モデルの同定のための新しい正則化法を提案した。正則化法は,現在のモデル出力に対する過去の入力サンプルの影響の指数関数的減衰を促進する。これは,過去の入力に関して,NARXモデル模擬出力の感度をペナルティ化することによって行う。これは推定モデルの安定性を促進し,得られたモデル品質を改善する。このアプローチの有効性を,ニューラルネットワークNARXモデルをこの新しい方法で同定するシミュレーション例を通して実証した。さらに,提案した正則化手法は,他の正則化手法およびモデルクラスと比較して,シミュレーション誤差性能に関してモデル精度を改善することを示した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

ニューロコンピュータ , システム・制御理論一般 , 人工知能 , システム同定

, , ,

前のページに戻る