通过 Lipschitz 神经网络实现数据高效的系统辨识
系统与控制
2025-08-21 v2 系统与控制
摘要
从数据中提取动态模型对于理解未知系统的特性至关重要。在这项工作中，我们采用 Lipschitz 神经网络，这是一类对其 Lipschitz 常数有规定上界的神经网络，来解决数据高效的非线性系统辨识问题。在（相当弱的）未知系统是 Lipschitz 连续的假设下，我们提出了一种方法来估计训练网络的逼近误差界，以及由训练模型模拟的轨迹与真实系统之间差异的界。实证结果表明，通过对三个动态系统的仿真研究，我们的方法优于经典的全连接神经网络和 Lipschitz 正则化网络，并且当用于训练的数据较少时，我们方法的优势更为明显。
引用
@article{arxiv.2410.21234,
title = {Data-Efficient System Identification via Lipschitz Neural Networks},
author = {Shiqing Wei and Prashanth Krishnamurthy and Farshad Khorrami},
journal= {arXiv preprint arXiv:2410.21234},
year = {2025}
}
备注
Accepted at the 2025 American Control Conference (ACC)