应对未知未知：具有未知输入的分数阶动力学系统的最小感知辨识与选择
信号处理
2018-09-17 v2 机器学习
摘要
本文关注具有分数阶动力学的时变复杂网络的分析与设计。这类系统在建模若干自然与人工系统中出现的复杂动态过程方面十分关键。值得注意的是，例子包括神经生理信号如捕获势场变化的脑电图（EEG），以及作为神经元活动代理的血氧水平依赖（BOLD）信号。尽管如此，由局部测量 EEG 和 BOLD 所产生的复杂网络常被视为孤立网络，并未捕捉到对外部刺激（例如源自丘脑和脑干等皮层下结构）的依赖性。因此，我们提出一种范式转变，在上述未知未知（即激励）下分析此类复杂网络。据此，本文的主要贡献有三方面：（i）我们提出一种交替格式，能够确定模型参数与未知刺激的最佳估计；（ii）我们给出必要与充分条件，以保证可恢复状态和未知刺激；（iii）基于这些条件，我们确定需测量的小规模变量子集，以保证状态和输入均可被恢复，同时就最小可能子集建立次优性保证。最后，我们利用从 EEG 可穿戴设备收集的真实数据给出若干主要结果的示例性例子。
引用
@article{arxiv.1803.04866,
title = {Dealing with Unknown Unknowns: Identification and Selection of Minimal Sensing for Fractional Dynamics with Unknown Inputs},
author = {Gaurav Gupta and Sergio Pequito and Paul Bogdan},
journal= {arXiv preprint arXiv:1803.04866},
year = {2018}
}
备注
7 pages, 4 figures, ACC-18