深度长短期记忆网络：稳定性性质与实验验证
系统与控制
2024-10-28 v1 机器学习
系统与控制
最优化与控制
摘要
本工作的目标是研究增量输入到状态稳定（ISS）深度长短期记忆网络（LSTMs）在非线性动力系统辨识中的应用。我们证明了可以对网络权重施加适当的充分条件，从而建立一种能够从数据中学到可证明为 ISS 的 LSTM 模型的训练流程。所提方法在真实的线控刹车装置上进行了测试，以从实验采集的输入-输出数据中辨识系统模型。结果显示了令人满意的建模性能。
引用
@article{arxiv.2304.02975,
title = {Deep Long-Short Term Memory networks: Stability properties and Experimental validation},
author = {Fabio Bonassi and Alessio La Bella and Giulio Panzani and Marcello Farina and Riccardo Scattolini},
journal= {arXiv preprint arXiv:2304.02975},
year = {2024}
}
备注
This manuscript is an extended version of a paper accepted for the 2023 European Control Conference (ECC'23)