基于 SVM 切换逻辑的多模型线性推断传感器设计
机器学习
2022-06-22 v1
摘要
我们研究基于数据的多模型线性推断（软）传感器设计问题。多模型线性推断传感器有望提高预测精度，同时保持模型结构和训练的简洁性。多模型推断传感器设计的标准方法包括三个独立步骤：1) 数据标记（为各个模型建立训练子集），2) 数据分类（为模型创建切换逻辑），以及 3) 各个模型的训练。这一概念存在两个主要问题：a) 由于步骤 2) 和 3) 是分离的，模型间切换时可能出现不连续性；b) 由于步骤 1) 和 3) 是分离的，数据标记忽略了所得模型的质量。我们的贡献旨在解决上述两个问题：针对问题 a)，我们引入了一种新颖的基于 SVM 的模型训练方法，并与切换逻辑识别耦合；针对问题 b)，我们提出了数据标记的直接优化。我们通过化学工程领域的一个示例展示了所提出的方法及其优势。
引用
@article{arxiv.2206.08961,
title = {Design of Multi-model Linear Inferential Sensors with SVM-based Switching Logic},
author = {Martin Mojto and Miroslav Fikar and Radoslav Paulen},
journal= {arXiv preprint arXiv:2206.08961},
year = {2022}
}
备注
6 pages, 8 figures, 1 table