在旋转倒挂摆上应用 Tustin-Net 架构的实践
系统与控制
2024-08-23 v1 机器学习
系统与控制
摘要
本报告中我们探讨了将 Tustin 神经网络架构 (Tustin-Net) 用于识别物理旋转倒挂摆的可能性。这种基于物理的架构尤其有趣，因为它建立在速度与位置关系的已知联系之上。我们旨在讨论 Tustin-Net 相对于基于原理的灰箱模型在实际物理装置上的优势、局限性与性能，显示在标准训练程序下，前者几乎无法达到后者相同的精度。为解决这一局限性，我们提出了一种基于迁移学习的训练策略，使 Tustin-Net 能够在无需对装置进行大量知识依赖的情况下，达到与基于原理模型相当的性能。
关键词
引用
@article{arxiv.2408.12266,
title = {Accounts of using the Tustin-Net architecture on a rotary inverted pendulum},
author = {Stijn van Esch and Fabio Bonassi and Thomas B. Schön},
journal= {arXiv preprint arXiv:2408.12266},
year = {2024}
}