基于提升方法的重尾噪声下部分观测线性时不变系统鲁棒系统识别
系统与控制
2025-04-28 v1 机器学习
系统与控制
最优化与控制
摘要
我们考虑线性时不变 (LTI) 部分观测系统的系统识别问题。给定输入输出数据，我们在一般重尾噪声过程下，提供了非渐近收敛的系统参数识别保证。与之前假设高斯或亚高斯噪声的工作不同，我们考虑显著更广泛的噪声分布，这些分布只要求存在第二矩。针对此设置，我们利用鲁棒统计工具提出一种新型系统识别算法，利用提升 (boosting) 的思想。尽管噪声假设更弱，我们表明所提出的算法实现的样本复杂度界几乎与亚高斯噪声下所得的界相匹配。特别是，我们建立了这些界保持对所需失败概率的对数依赖性。有趣的是，我们表明仅要求激发输入过程存在有限的四矩即可实现此类界。
引用
@article{arxiv.2504.18444,
title = {Boosting-Enabled Robust System Identification of Partially Observed LTI Systems Under Heavy-Tailed Noise},
author = {Vinay Kanakeri and Aritra Mitra},
journal= {arXiv preprint arXiv:2504.18444},
year = {2025}
}